每週精選三篇

第三十四期

2026-09-12

## 一.台灣之光 Zeabur 資安事故全解析！以及程式貓學到的教訓 作者:YD 還記得前陣子在開發者圈子裡幾乎人手一個的「一鍵部署」神器嗎？沒錯，就是 Zeabur。這個由台灣 Z 世代創業者林沅霖從畢業專題做起、後來拿到 YC China 加速器與美國創投 500 Global 挹注、註冊用戶突破十萬的雲端部署平台，8 月底捲入了一場堪稱今年台灣新創圈最慘烈的資安事故。這篇週刊就來把整起事件的攻擊鏈、官方應對與社群反應拆給大家看，順便聊聊程式貓從這件事學到的教訓。 ![圖片](/posts/34/1.png) ### Zeabur 是什麼？先認識一下這次的主角 簡單說，Zeabur 就是把「租伺服器、裝環境、設定網路」這一大串麻煩事全部包好，讓開發者上傳程式碼就能自動部署上線，走的是 Heroku、Vercel、Railway 那種 PaaS（Platform as a Service）路線。 因為介面直覺又支援台灣人愛用的 n8n、各種自架服務，這幾年幾乎變成台灣開發者的預設選項。今年 Zeabur 還推出了 **AI Hub**，讓使用者用單一金鑰就能呼叫 OpenAI、Anthropic、Gemini 等多家模型——沒想到，這個新功能後來也成了這次事故裡被點名的環節之一。 ### 攻擊鏈：一把「快退役」的鑰匙，開了主資料庫的門 根據 Zeabur 官方公布的調查與資安部落客的整理，這次入侵的路徑大致是這樣： 1. 攻擊者取得一組**外洩的 AWS 管理金鑰**（不是從公開儲存庫撿到的，而是內部憑證外流）。 2. 用這組金鑰打進東京機房一個**正在淘汰中的共享叢集**——關鍵就在這裡，一個「要退役但還沒退乾淨」的舊系統，往往是駭客最愛的破口。 3. 從叢集內部拿到系統控制平面的 **VPN 存取權**。 4. 一路連進 **Zeabur 主資料庫**，針對性地下查詢，把使用者專案裡的環境變數整批匯出。 有資安工程師分析這條路徑時直言，問題不在於「哪個金鑰外洩」，而在於 **「一把金鑰能走多遠」** ——當管理憑證、控制平面、VPN 材料與資料庫存取權全部落在同一個信任邊界裡，只要有一個環節被攻破，攻擊者幾乎是暢行無阻。這也是多租戶雲端平台最常見、卻最容易被忽略的架構風險。 ### 外洩了什麼？幾乎是每個開發者最怕看到的清單 官方公布的外洩憑證類型長到嚇人： `OPENAI_API_KEY`、`ANTHROPIC_API_KEY`、`OPENROUTER_API_KEY`、`GEMINI_API_KEY`、`AWS_ACCESS_KEY_ID`、`GITHUB_TOKEN`、`CLOUDFLARE_API_TOKEN`、`STRIPE_SECRET_KEY` 還有一整排的 `DATABASE_URL`、`JWT_SECRET`、`MONGODB_URI`……幾乎所有開發者會塞進環境變數裡的敏感資料都在名單上。最直接的受害情況，是不少人發現自己 OpenAI、Anthropic、OpenRouter 帳單一夜暴增——花的不是自己的錢，卻要自己去查證、去申訴。官方倒是強調，帳戶密碼、個人資料、付款卡號（存放在 Stripe，Zeabur 本身碰不到）並未受影響。 事故爆發後沒多久，暗網論壇更冒出一個帳號，聲稱手上握有 Zeabur 完整原始碼、資料庫、AWS 與 GCP 管理權限、Kubernetes 叢集控制權，甚至 Google Workspace 管理員帳密，壓縮後號稱高達 **612GB**。 這則貼文在 X（推特）上被資安帳號大量轉發，聲勢一度非常驚人。不過 Zeabur 官方隨即回應：目前證據只顯示攻擊者對環境變數做了「目的明確的定向查詢與匯出」，並沒有找到能佐證暗網說法的具體證據。換句話說，「已證實的災情」和「暗網喊價的災情」中間，還隔著一段沒人能拍胸脯保證的距離。 ![圖片](/posts/34/2.png) ### 官方回應：道歉來得快，時間軸也算透明 平心而論，Zeabur 這次的危機處理速度不算慢。8 月 27 日偵測到異常，隔天就公開事件、暫停 AI Hub 服務；創辦人林沅霖在 Threads 連發多篇說明，坦承「非常抱歉造成大家的損失及困擾」，承諾核實後啟動賠償，目標是 9 月 30 日前完成撥款；官方也持續更新事件進度頁，9 月 4 日宣布內部調查完成、確認系統目前安全，並表示會請第三方資安公司進行獨立審計。 但社群裡也不是一片體諒。不少開發者反映，自己是「看社群討論才知道帳單被盜刷」，而不是第一時間收到官方通知，對通知速度與範圍頗有微詞。截至目前最新進度，官方回報約 63% 的賠償申請已核實並進入撥款程序，另有約 21% 仍在審核中，剩下少部分案件則需要使用者補件佐證——算是把「說到做到」的壓力，攤開在陽光下讓大家監督。這也是資安事故裡的老問題：技術修補得再快，如果溝通跟不上使用者的焦慮，信任還是會被磨損。 ### 本週觀察：程式貓看到的，是事故的承受能力 程式貓的基礎架構大部分依賴雲端服務，其中我們的 AI 服務就是運行在 Zeabur 平台上的。作為這次受到影響的客戶，我們在第一時間就輪替了所有金鑰，並清查日誌確認是否有可疑行動。很幸運的是，程式貓這次並沒有任何客戶資料外洩，相關報告可以參閱 [關於上游供應商 Zeabur 資安事件的說明暨 AI 服務暫停公告 ](https://www.codecat.tw/blog/zeabur-security-incident-response)。 雲端平台的資安事故是無法預測的，日前同樣作為部屬平台的 Vercel 也發生類似的外洩事件。但是我們能夠從架構設計層面分散風險，不論是最小化客戶資訊儲存、採用雜湊、加密等技術，還是最小化憑證權限，這些都會大大提升應對資安事件的能力。 如果你也是 Zeabur 的使用者，這幾天記得回頭檢查一下自己專案裡的 API 帳單有沒有異常；如果不是，也不妨藉這次機會盤點一下，自己手上到底握著多少「一旦外洩就會很痛」的鑰匙。你覺得雲端平台該把多少安全責任攬在自己身上，又有多少該留給開發者自己把關呢？ ### 資料來源 [Zeabur 官方事件進度頁 — Unauthorized Access to Project Environment Variables](https://status.zeabur.com/incident/1037896) [Zeabur 官方安全實踐文件 — Security Practices](https://zeabur.com/docs/en-US/security-practices) [iThome — 臺灣AI新創Zeabur環境變數外洩，使用者API金鑰恐外流](https://www.ithome.com.tw/news/178534) [動區動趨 — 台灣新創 Zeabur 環境變數外洩：AI 金鑰遭盜用，創辦人承諾後續賠償](https://www.blocktempo.com/zeabur-environment-variable-leak-openai-anthropic-api-key-stolen-compensation/) [動區動趨 — Zeabur災情延燒》暗網傳開賣 612GB 完整資料庫，官方：沒證據佐證](https://www.blocktempo.com/zeabur-dark-web-seller-claims-full-database-founder-denies-evidence/) [科技新報資安版 — 雲端部署平台 Zeabur 遭駭，使用者 API 金鑰、資料庫憑證外流](https://infosecu.technews.tw/2026/08/31/zeabur-security-incident) [lonelysec — Zeabur 資安事件：AI Token 盜刷、612GB 外洩真相](https://lonelysec.com/zeabur-security-incident-ai-token-leak/) [三立新聞網 — 金鑰放雲端被竊！台灣AI新創Zeabur創辦人公開道歉、承諾賠償](https://www.setn.com/news/1898450) [Dark Web Intelligence（X）— Zeabur Allegedly Compromised 貼文](https://x.com/DailyDarkWeb/status/2093714139466064240) --- ## 二.當 AI 開始「做研究」：一間人工智慧新創，正在挑戰研發的成本結構 作者:KH ![圖片](/posts/34/3.png) **圖源**：Sapient Intelligence 新加坡人工智慧新創 Sapient Intelligence 在八月底發布 PRAXIST，宣稱以不到三千美元的模型費用，在標準測試上取得優於花費近四萬美元對照組的成績 。技術報告同時記載，整場實驗有九萬多筆嘗試因完整性裁決被剔除 。 [Introducing PRAXIST Beta](https://www.youtube.com/watch?v=8BcUyd6s_Ek) 生成式 AI 在軟體開發上的滲透速度超出多數人預期 。給定一個明確目標，Claude Code、Codex 這類工具能夠自行撰寫程式、執行、除錯，直到任務完成 。 研發流程的運作方式則不同 。一位在製造業做製程優化的資深工程師，工作內容並不是把同一個解法再迭代一次 。他要判斷哪些機制已經被驗證、哪些失敗必須寫進往後的限制、兩個看似無關的發現能不能組合，以及手上這個結果究竟有多可靠 。 這個落差，是 Sapient Intelligence 在發布 PRAXIST 時提出的核心論點 。 ### **Sapient 的論點：現有 agent 把每次嘗試當成孤島** Sapient 的技術報告《From Experimental Artifacts to Solution Lineages》指出一個結構性問題：目前的自主研發 agent，多半把每一次嘗試視為近乎獨立的單元，系統狀態儲存為一棵搜尋樹，或一份依分數排序的程式資料庫 。 論文認為問題出在剪枝 。隨著樹的成長，每個節點的產物會愈來愈具組合性——它同時包含了資料處理選擇、演算法、超參數、實作技巧與診斷邏輯，而這些來自許多次不同的嘗試 。一個機制的價值往往只在組合中才會顯現，以產物為單位的搜尋卻可能在那之前就把它剪掉 。結果是，campaign 產生了大量被評估過的經驗，但只有其中一小部分以後續嘗試能繼續往上蓋的形式被保留 。 論文引用組合理論（assembly theory）作為對照：複雜物件是由可重複使用的子結構，在選擇壓力下逐步組裝而成 。成本隨組裝步驟數增加，而非隨搜尋空間大小增加，每個元件的代價都被後續的建構攤提掉 。在這個框架下，搜尋不需要預知哪個變體最終有用，只需要把對的元素以對的角色保留下來，並維持它們可以被重新組合 。 Sapient 把這個轉換過程稱為「證據繼承」（evidence inheritance）。 ### **架構分層：一個任務無關的控制平面** PRAXIST 在軟體形態上是一個三層結構 。中間層是核心，刻意做成不含任何領域科學假設；上層是人與系統互動的介面；下層是提供科學內容的任務專案 。核心與外部世界之間以插件邊界銜接，使模型供應商、agent 執行環境、工作流階段與預算策略都可替換 。 ![圖片](/posts/34/4.png) 執行時，PRAXIST 不修改原始專案，執行產物另存於獨立目錄 。 #### **世代迴圈的完整流程** 一次 campaign 由 G 個世代組成，每一代是一個同步邊界——同伴層的證據在此成為共享的研究狀態 。迴圈持續到搜尋收斂或預算耗盡 。 ![圖片](/posts/34/5.png) 論文以虛擬碼形式給出同一個迴圈 ： ```text 輸入：具外部評測器 Eval(·) 的任務；同伴數 C；世代數 G；壓縮週期 ρ 初始：F₀ ← ∅, A₀ ← ∅, G₀ ← ∅, L₀ ← ∅ for g = 0 to G-1: {dᵢ} ← Allocate(A_g, F_g, G_g) # 每個同伴一個設計格子 parallel for i = 1 to C: # 局部實驗 aᵢ ← Build(dᵢ, S_g) # 建構可複現產物 eᵢ ← Eval(aᵢ) # 外部評測 Φᵢ ← Interpret(aᵢ, eᵢ, dᵢ) # 產物→發現抽取 Φ_g ← ⋃ Φᵢ [3] {μ_r} ← {PI_r(Φ_g, F_g)} # 面板備忘錄 F_g+1 ← Promote(F_g, Φ_g, {μ_r}) # 前沿更新 A_g+1 ← Chair({μ_r}, F_g+1) # 仲裁出下一代議程 G_g+1 ← Compress(F_g+1, G_g) if g mod ρ = ρ-1 else G_g L_g+1 ← L_g ∪ Record({aᵢ}, Φ_g, F_g+1, A_g+1, G_g+1) ``` 輸出：前沿 F_G、譜系 L_G、執行摘要 回報 a\* ← argmax score(a)，a ∈ 已確認車道的產物 流程上的一項切分值得對照架構圖來看：圖中上半部的「同伴到發現」屬於局部實驗，由各同伴自行擁有；下半部的面板、晉升與議程屬於世代層的合成。 設計分配雖然發生在同伴動作之前，但它本身是世代層的決策。 #### 系統的狀態物件與世代迴圈 PRAXIST 被形式化為一個世代式的狀態轉移流程 。每一代 g 繼承的研究狀態是一個四元組 ： S_g = ( F_g , A_g , G_g , L_g ) 分別是前沿（frontier，本代可繼承的證據）、議程（agenda，上一輪合成產生的執行政策）、Gems（跨世代保留的持久教訓）與譜系軌跡（lineage trace） 。整條資訊流則是 ： 可複現產物 → 型別化發現 → 前沿車道 → 下一代議程 → 譜系紀錄 每一代讀取 S_g、執行 C 個平行同伴、輸出 S_g+1 。核心設計原則是：實驗結果不以原始日誌或單一分數的形式被繼承 。任何證據在被允許影響後續工作之前，必須先取得一個明確的操作角色 。 由於長時程執行產生的證據遠超過任何單一提示詞的脈絡容量，繼承是選擇性的：同伴只收到與它被指派方向相關的前沿條目、Gems 與親代譜系；主持研究員面板收到世代層級的證據；Chair 收到面板的備忘錄 。 #### 設計合約：DIG 與 QD 一代的起點是分配運算子 {d_1, …, d_C} = Allocate(A_g, F_g, G_g)，為每個同伴產生一份設計合約 。它由兩層構成 。 **同伴層的 DIG（Deep Innovation Gate）** 是一道唯讀關卡。 在動任何一行程式碼之前，同伴必須檢視繼承狀態、指認一個可測試的機制，並固定六個欄位：機制家族、介入層面、親代譜系、什麼證據算是支持或削弱、用來讓結果可解釋的驗證或消融掛勾、以及哪些改動會使這次測試失效 。DIG 不執行實驗、不建立變體、不寫結果產物 。它的作用是讓後續的發現抽取能夠比對「意圖的實驗」與「產物的實際行為」 。預設只在第零代執行，任務可以選擇每一代都開 。 **世代層的 QD（Quality-Diversity）** 把合約攤到行為空間中的不同格子，格子定義為 ： c = ( 機制家族 , 介入層面 , 意圖 ) 第零代由確定性分配器施加硬性上限，評分函數為 ： ``` selection_score = quality_score + lane_fit_bonus + local_selection_bonus + novelty_bonus + target_keyword_bonus - risk_penalty - diagnostic_penalty_when_not_in_diagnostic_slot ``` 上限包括：同一格子的最大同伴數、同一機制家族的最大同伴數、同一介入層面與同一意圖的最大同伴數 。任務專案還可以定義軟性的關鍵字目標群組，例如要求至少兩個同伴的合約落在「架構或表徵」這一類 。 第零代之後，DIG 預設關閉，QD 改為寫入提示詞的軟性目標，交由既有的主持研究員合成路徑執行，不另外建立規劃器或產出獨立的分配檔案 。此時多樣性的追蹤方式是：議程中的 peer_contracts[].planned_dimensions 記錄計畫值，同伴回報的發現則在 design_dimensions 記錄實際實作值，診斷程序分別計算兩者的赫芬達爾指數（HHI），回報缺漏與偏移 。這項比對不構成硬性執行閘門 。 分配器有一項邊界條件：它只在同一個同伴自己的候選池內重選，不會把甲同伴的候選指派給乙同伴 。若某個同伴沒有有效替代候選，或分配結果未通過驗證，系統保留該同伴原本的 DIG 合約並記錄原因 。 #### 產物、評測與證據階段 同伴是平行的實驗工作者，各自擁有一份合約，內部反覆撰寫程式、執行、修訂，直到產物達到可回報的階段 。同一代的 C 個同伴並行執行，彼此只透過已發布的證據協調，不直接編輯共享狀態 。實驗由一層資源排程層在共享硬體上執行，控制啟動節奏，使每一代在牆鐘時限內完成足夠的成熟證據 。 產物（artifact）的定義是「重現、檢視或評估一次嘗試所需的最小檔案集」 。在機器學習工程這個任務族中，它包含提交檔、產生該檔的程式碼，以及重現所需的支援檔案 。 評測由任務自己的評測器執行，回傳三樣東西：任務層的結果、有效性狀態，以及 證據階段（evidence stage） 。證據階段是一道有序階梯，記錄產物通過了多少評估：從最廉價的健全性檢查（smoke）、部分探測（scout），到完整評分及其重複驗證 。系統核心只區分這三個層級，中間各級的命名由任務擁有——火箭評測器回報的是 canary、development、complete，交易評測器回報的則是 smoke、scout 與三層重複驗證 。 證據階段刻意與分數正交 。一個僅在初步階段取得高分的結果會被視為不成熟，在晉升時無法擠掉一個經過完整評估的結果 。 #### 發現：一個六元組 被評測過的產物本身還不是可重用的知識 。抽取運算子 Φ_i = Interpret(a_i, e_i, d_i) 把產物、結果與原本的設計意圖，轉換成一個或多個以產物為根據的主張 ： φ = ( 介入 , 結果 , 證據 , τ , m , α ) 其中三個標籤決定它如何被繼承 ： | 標籤 | 值域 | | :--------- | :------------------------------------------------------------------------------------------------------------------------------------------- | | 型別 τ | 正向（改善或可重用機制）、負向（被削弱的假設）、診斷（約束、失效模式、無效條件）、不確定（待進一步檢查）、程序性（對未來實驗執行方式的限制） | | 成熟度 m | 直接繼承產物的證據階段 | | 繼承動作 α | reuse、validate、avoid、diagnose、preserve、archive | 論文註明這是方法層的角色詞彙；實作上，發現被歸檔在一組面向任務的列舉值下（result、hypothesis、insight、challenge、error），而繼承建議則放在 next-step-intent 的中介資料裡，而非單一欄位 。 負向與診斷型的發現在此被視為一等證據 。一次失敗的產物可以揭露無效假設、評測器約束、資料處理錯誤或脆弱的分數；編碼為發現之後，後續世代直接繼承這條限制 。 #### 合成：面板、車道與議程 一代的發現匯集為 Φ_g = Φ_1 ∪ Φ_2 ∪ … ∪ Φ_C，接著進入全域合成 。 一組主持研究員（Principal Investigator）角色從互補視角獨立解讀同一批發現：Builder 組裝證據最強的主線，Skeptic 稽核缺乏支撐或脆弱的宣稱，Portfolio 平衡跨方法家族的投入 。在「高風險模式」下，面板另加一個 External-validity 角色，檢查可重現性與證據邊界 。流程是先凍結證據、平行撰寫獨立備忘錄、進行匿名交叉審查，最後由 Chair 仲裁 。 前沿更新 F_g+1 = Promote(F_g, Φ_g, {μ_r}) 決定哪些證據成為可繼承的，以及以什麼身分繼承 。本文所述配置下，前沿分為四條車道 ： F = F(已確認) ∪ F(候選) ∪ F(診斷) ∪ F(待驗證) 依序為已確認（成熟到足以作為親代或約束）、候選（有前景但不成熟）、診斷（失敗、對照組與失效模式）、待驗證（排程等待重現或消融） 。車道由任務定義而非寫死在系統內：交易 campaign 用的是「已確認 alpha」「alpha 孵化區」「基準底線」「診斷對照」四條；未宣告車道的任務，則退回單一指標的前沿 。晉升時，每條車道各自取符合該車道標準的頂端發現，並過濾掉停留在 smoke/scout 階段的不成熟證據 。 下一代議程 A_g+1 = Chair({μ_r}, F_g+1) 為每個繼承方向標上四種處置之一——繼續、停止、驗證、探索——並為 C 個同伴各附上一份同伴合約，載明角色、假設、成功訊號與禁止動作 。實際輸出的議程用更細的 next-step-intent 欄位記錄處置，能夠區分「修復某個失效模式」與「對它做消融」這類差異 。 #### 記憶壓縮與譜系 前沿承載的是當下證據的操作狀態，而長時程 campaign 還會累積一些應該在原始證據被封存之後仍然存活的教訓 。 若任務啟用，系統每 ρ 代執行一次記憶壓縮 G_g+1 = Compress(F_g+1, G_g)，把平衡後的前沿蒸餾成 Gems：一條被驗證的機制、一個被否定的假設、一種反覆出現的失效模式，或一項程序約束 。壓縮是車道平衡的（保留對照與診斷教訓，不只保留高分者）且有界（只維持一小組活躍的 Gem） 。這項功能預設關閉；論文的案例研究中只有交易 campaign 啟用，週期為六代，最多四個活躍 Gem 。 譜系軌跡則在執行過程中持續累積 ： ``` L_g+1 = L_g ∪ Record( {a_i} , Φ_g , F_g+1 , A_g+1 , G_g+1 ) ``` 它記錄產物、發現、合成決策、議程與記憶更新，以及它們之間的型別化關係，包括 derived-from、supports、challenges、updates 。實作上它不是單一的物件圖，而是數份共享識別碼的相關帳本——發現的邊列表、產物索引、事件軌跡，以及每一代的前沿、議程與 Gem 狀態；追溯一條鏈的方式是跨帳本追蹤共同的識別碼 。 譜系是在執行期間累積而非事後重建：每個產物都指向它所繼承的親代、合約與發現，每一次晉升或議程決策都記錄了證據為何變得可繼承 。執行期間，譜系決定後續同伴繼承什麼；執行結束後，它是研究軌跡的結構化紀錄 。 最終輸出的預設規則是 ： ``` a* = argmax score(a) ， a ∈ 已確認車道的產物 輸出 = ( a* , L_G ) ``` 也就是已確認車道中分數最高的產物 。論文註明這是回報階段套用的選擇規則，而非執行期的自動呼叫——迴圈本身結束於寫出前沿、譜系帳本與執行摘要 。 #### 軟體形態與所有權邊界 架構上最關鍵的一條線，是 PRAXIST 本體與任務專案之間的職責切分 ： | PRAXIST 擁有 | 任務專案擁有 | | :------------------------------------------------- | :----------------------------------------------------------------- | | 研究編排、生命週期、證據協議、回放、排程、擴充介面 | 研究目標、可執行程式碼、評測器、指標、基線、提示詞、角色、領域約束 | PRAXIST 核心不含任何任務特定的科學假設，任務專案是「該測什麼、什麼算有效證據」的唯一真實來源 。 同一套流程因此可以接上 Kaggle 競賽、火箭控制器、SLAM 系統與交易策略 。 執行環境為 CPython 3.11 以上，Linux 為持續發布測試的平台 。安裝後的操作介面建議透過 Codex 或 Claude Code 這類互動式 agent：在一個已能執行的專案根目錄呼叫 $praxist-takeover，接管技能會檢查就緒狀態、建立或修復任務框架、驗證評測器與證據合約，通過必要閘門後才啟動執行 。其餘隨附技能涵蓋任務初始化、執行控制、健康診斷、文獻蒐集與執行環境修復 。 認證有兩條路徑：使用已登入的 Codex 工作階段（免 API 金鑰），或使用支援的模型供應商 API 金鑰 。官方文件指出，長時程研究情境下，系統偏好快取命中率高的開源模型 API 。 文件中另載明一項行為：若前置條件不齊備，PRAXIST 會直接停止並回報缺項，而非自行下載未知資料集、發明模擬器或捏造基線效能 。團隊稱之為刻意的設計原則 。 #### MLE-bench 成績與比較條件 在 MLE-bench——由 75 個真實 Kaggle 競賽改編、附官方評分工具的機器學習工程測試——上，Sapient 報告的結果如下 ： | | 金牌 | 任意獎牌 | 記錄模型花費 | | :--------------------- | :--------------- | :--------------- | :------------- | | PRAXIST | 49 / 75（65.3%） | 60 / 75（80.0%） | 約 3,054 美元 | | Claude Code + Opus 4.8 | 34 / 75（45.3%） | 55 / 75（73.3%） | 約 38,370 美元 | 任務依複雜度分為低（22 題，即 MLE-bench Lite 子集）、中（38 題）、高（15 題）三層，獎牌率分別為 90.9%、81.6%、60.0%，對照組則為 81.8%、76.3%、53.3% 。沒有取得最終分數的任務仍留在分母中，計為無獎牌 。 執行條件方面，PRAXIST 在全部 75 題上使用 deepseek-v4-pro 作為研究 agent 模型，脈絡視窗 100 萬 token；對照組使用開啟最大思考預算的 Claude Opus 4.8，其最終帳本保留 70 個有效分數、五題未計分 。兩組跑在同一批 H100 80GB GPU 上，每個實驗排程為單 GPU 工作，每題最多八個實驗同時在跑；70 題套用 24 小時的單題牆鐘上限，其餘五題為 36 小時 。 四項開放案例研究涵蓋的領域如下 ： - **火箭回收著陸**：從一個成功率僅 4.03% 的失敗概念驗證出發，最終產出一個確定性控制器，在凍結的評測協議上 12,288 次全數安全著陸 。作為對照的自主程式優化器 Weco，從同一起點做到 17.12% 。執行結束後另做的全列稽核，在三個固定來源庫上分別記錄 40,959、40,959 與 40,960 次成功（每庫 40,960 列） 。 - **SLAM**：業界頂尖的光達—慣性—視覺系統在冗餘影格與重複地圖觀測上過度消耗算力 。改用可觀測性感知的排程器，搭配幾何感知的地圖准入閘門後，十四個序列的視覺路徑處理時間下降約 72% 。兩組的位姿時間戳約定不同，論文因此把精度欄位並列呈現，而非計為增益 。 - **量化交易**：走動式回測年化報酬 53%，為配對等權持有基線 22.8% 的 2.3 倍 。 - **托卡馬克磁控**：整體存活步數與共同時程的追蹤誤差勝過以 MAST-U 實機控制系統為基礎的基線，在原始的全時程精度指標與完成率上落後 。論文對這項落後有記載，發布新聞稿未提及 。 兩組的模型配置並不相同，十二倍價差當中有多少來自證據繼承架構省下的 token、有多少源自模型單價差異，論文沒有拆解，也沒有提供同模型的對照實驗 。 重複次數方面，每一組僅執行一次完整的 75 題掃描 。論文自承獎牌率是單次結果，而非重複實驗的變異數估計，並因此未將成績與 MLE-bench 公開排行榜並列，因為後者是多種子平均 。 #### 九萬筆被剔除的嘗試 論文報告的每一題結果，都來自一份發布帳本，而該帳本對 75 題逐題做了完整性裁決 。回報的結果是通過裁決的最高分官方嘗試，選中的提交以 SHA-256 對執行日誌驗證；來自受污染譜系的嘗試被整批排除，而非降權處理 。整場 campaign 中被拒絕的嘗試數為 90,423 筆 。 在 75 題中，有 9 題原本最佳嘗試背後的整條譜系被排除，改以另一個乾淨執行者的提交遞補，其中 4 題因此掉了獎牌；另有 6 題經複審後獲得保留 。 這套裁決是 PRAXIST 帳本內部的程序 。論文載明，它與 MLE-bench 本身針對嚴重作弊的執行後篩查是兩套獨立機制，後者適用於 Claude Code 對照組 。 兩個表現最突出的案例——火箭與量化交易——其最終回報的產物，是在執行結束後，從論文預設規則所指定的已確認車道之外挑選出來的 。論文在報告結果的段落揭露了這項差異 。 開放案例的模擬保真度與評分口徑，由 Sapient 自行定義 。火箭案例自陳採用低階模擬、無風噪、精確狀態回饋、接觸即停分；交易案例的 53% 是特定標的池與協議下的回測，而非實盤 。 在缺乏可靠自動評分的情況下，整套證據譜系所能反映的，是系統對自身的描述 。 授權條款方面，PRAXIST 採用 Fair Source License 1.0：程式碼可檢視、可修改、可內部商用，年營收（含關聯企業）達一百萬美元的組織必須另行洽談商業授權，學術與非營利機構除外 。產出若對外發布，須保留產品名標註 。這不是 Apache 或 MIT，商業模式建立在控制平面授權上 。 ### 兩條產品線 Sapient 另一條產品線是 HRM（Hierarchical Reasoning Model），一個在 2025 年引發討論的 2,700 萬參數分層循環推理架構，宣稱不依賴預訓練與思維鏈，即可在數獨、迷宮等任務上大幅領先 。 ARC Prize 的外部複核結果較為保守，消融實驗顯示成績有相當部分來自外層迭代精煉 。 PRAXIST 與 HRM 在技術上並無關聯 。PRAXIST 是純粹的編排層，底下呼叫的是現成的通用大型語言模型 。兩者是同一家公司的獨立產品線，各自的證據來源也不同 。 ### 官方列出的三項前提 Sapient 的文件把 PRAXIST 的適用條件寫成三項：問題已經能在電腦上執行（具備程式、模擬器或評測器）、成功可以量測且有明確優化方向、以及通往目標的最佳路徑事先未知 。 文件也把它與 AutoML 做了區隔：AutoML 在預先定義的搜尋空間內調整參數，而 PRAXIST 的同伴可以更換方法、架構與策略 。它針對的場景是研究人員正在手動迭代，而系統接手那個迭代迴圈 。 這三個條件在台灣的製造、半導體、精密機械與量化投資領域並不罕見：這些領域普遍具備成熟的模擬環境與明確的良率或效能指標，也仍有大量仰賴資深工程師手動試誤的優化空間 。各家在自動化評測基礎設施上的成熟度則差異很大 。 驗證上存在一項結構性條件：這套系統的譜系、證據分級與失敗紀錄，都由系統本身產生，外部能取得的是它輸出的帳本 。 系統在目標未達成時，會輸出一份負面結果包，內容是以證據排除掉的方向、稽核報告，以及關於停止或轉向的建議 。 PRAXIST 上線至今約兩週 。目前公開的材料全部來自 Sapient 自己的技術報告、程式碼與文件，獨立第三方複現尚未出現 。 資料來源 技術報告與程式碼 - [Praxist: From Experimental Artifacts to Solution Lineages (arXiv:2608.25955)](https://arxiv.org/abs/2608.25955) - [論文全文 HTML 版](https://arxiv.org/html/2608.25955v1) - [GitHub: sapientinc/PRAXIST](https://github.com/sapientinc/praxist) - [Quality-Diversity 分配器設計文件](https://github.com/sapientinc/PRAXIST/blob/main/docs/guides/qdig-cohort-allocator.md) 產品與公司 - [PRAXIST 官方網站](https://praxist.sapient.inc/en) - [PRAXIST 文件：Your First Task](https://praxist.sapient.inc/en/docs/getting-started/first-task) - [Sapient Intelligence 官網](https://sapient.inc/en) 發布報導 - [Sapient Intelligence Launches PRAXIST (Beta) — Business Wire / Morningstar](https://www.morningstar.com/news/business-wire/20260827755757/sapient-intelligence-launches-praxist-beta-to-accelerate-a-new-era-of-autonomous-ai-led-research-and-development) - [Yahoo Finance 轉載發布稿](https://sg.finance.yahoo.com/news/sapient-intelligence-launches-praxist-beta-010000334.html) - [Sapient Intelligence 官方發布推文](https://x.com/Sapient_Int/status/2093141554500338019) - [Tech Touch Asia 報導](https://techtouchasia.blogspot.com/2026/08/sapient-intelligence-accelerates.html) 相關背景 - [Hierarchical Reasoning Model (arXiv:2506.21734)](https://arxiv.org/abs/2506.21734) --- ## 三.新版NoteBookLM介紹(上):基礎介紹 作者:Lhs 在周刊剛開始的時候，我們曾介紹過一次NoteBookLM，而在過了兩年後，這項工具已經有了大量更新，這次，我將分為三段介紹，而第一段帶來的則會主要介紹這兩年來究竟更新了哪些內容。 ### 一.蒐集資料 ![圖片](/posts/34/6.png) 在剛創立一項記事本時，就能發現跟過去最大的不同: **現在能直接透過筆記本搜尋** 在搜尋想要分析的主題後，他會透過Gemini分析數個最相關的網頁連結，而你可以勾選自己想用的資料來源，若覺得資料來源不夠，你也已自行增加其他資料來源，或者繼續搜尋相關內容。 ![圖片](/posts/34/7.png) > 可以從左側的欄位持續編輯資料來源 ### 二.功能模塊 ![圖片](/posts/34/8.png) 在更新後，Google將快捷功能整合製作方的工作坊裡面，數量也從五個新增至九個，並且，我認為最重要的一點，只需要按下「>」，就能夠直接針對使用者的需求，客製化生成成品，他還會依照內容，提供建議方案。 ![圖片](/posts/34/9.png) 假設我想以先前搜尋到的程式貓相關網址，生成一個簡報，但我想要讓內容的語氣更人性化，我就可以選擇「自訂報告」，並描述自己的需求，他就能依照你的描述進行更改，當然它也提供已經設定好的方案供你選擇，是十分值得一試的功能。 ### 三.AI聊天室 最後我們將目光移到最顯眼的中央區塊，也就是AI對話模塊。 實際上使用起來跟現有其他AI差不多，但由於只會讀取你提供的資料，準確率自然高了不少，並且我自己使用時，即使用的是免費帳號，幾乎沒有遇到因為回復字數限制而被刪減的回答內容，在翻譯文件或統整資料時，能夠成為一項十分得力的助手。 那麼這次的介紹就到這裡，下此會詳細介紹如何只用這項工具完成一份報告，想看的各位請繼續追蹤! 資料來源: [NoteBookLM](https://notebook.google.com/)

#科技週刊

第三十三期

2026-08-29

## 一.OLED 螢幕又要更亮、還更耐用了？ 作者:阿棋 ![圖片](/posts/33/1.jpg) > 圖 1 > LG Display 於 IMID 2026 展示 FLiPP，展區右側可見 FLiPP 大型展示牆。 > 圖片來源：Seoul Economic Daily；照片提供：LG Display，2026-08-19。 ### 不只是堆更多發光層 LG Display 最近公布新一代 OLED 像素製程 FLiPP。照官方測試結果，和傳統精細金屬遮罩（FMM）製程相比，在相同條件下，FLiPP 的亮度最高可到 1.6 倍、壽命可延長到 2.4 倍，功耗則可降低 13%。 簡單來說，這次不是把發光層一直往上疊，而是改掉紅、綠、藍像素做上玻璃基板的方法。 ![圖片](/posts/33/2.jpg) > 圖 2 > FMM 與 FLiPP 像素圖案化比較：FLiPP 的開口率增加 55%，官方測試數據為亮度 1.6 倍、壽命 2.4 倍及功耗降低 13%。 > 圖片來源：Hardware Busters；數據來源：LG Display，2026-08-19。 傳統 RGB OLED 會使用精細金屬遮罩，讓紅、綠、藍三種發光材料穿過遮罩上的細孔，再沉積到指定位置。可以把它想成拿著模板分次噴漆，遮罩決定每種顏色要落在哪裡。 問題是，金屬遮罩一旦放大，就更容易因為自身重量下垂。只要位置有一點偏差，就可能出現像素錯位或混色；面板尺寸或解析度一改，製造商通常還得重新做一套昂貴的遮罩。 ![圖片](/posts/33/3.jpg) > 圖3｜LG Display 在 IMID 2026 展出的 FLiPP 技術展示牆，標示可使用第 8.5 代完整玻璃基板製造無 FMM OLED。 > 圖片來源：Seoul Economic Daily；照片提供：LG Display，2026-08-19。 FLiPP 全名是 FMM-Less innovative Pixel Patterning。它直接拿掉傳統金屬遮罩，改用塗布加上光刻技術製作 RGB 像素：先依序鋪上發光材料，再用紫外光蝕刻，把不需要的部分移除。 ### 為什麼能更亮，也可能更耐用？ 關鍵在於「開口率」。LG Display 表示，FLiPP 可讓 OLED 的開口率提高約 55%。所謂開口率，就是整片螢幕中，真正由 RGB 像素占據、可以有效發光的面積比例。 發光面積變大後，同樣的電力就能產生更多光線。反過來說，如果只維持原本亮度，像素不必承受那麼高的驅動負荷，發熱也有機會降低。這也是 FLiPP 能同時改善亮度、功耗與耐用度的主要原因。 不過，這些數字不能直接當成未來商品的規格。1.6 倍亮度、2.4 倍壽命與降低 13% 功耗，是相同條件下的技術比較值；實際做成產品後，廠商還是會依照定位，在亮度、耗電與壽命之間取捨。 ### 大尺寸 OLED 才是真正重點 光刻式 OLED 製程本身不是全新的概念，只是過去多半用在比較小的面板。這次 LG Display 強調，FLiPP 已經能在第 8.5 代大型玻璃基板上，直接用完整基板製造無 FMM OLED。 這點其實比單純變亮更值得注意。依 LG 公布的資料，FLiPP 可讓母玻璃利用效率最多提高 64%，代表材料浪費可能變少，生產效率也有機會提升。官方規畫會先從平板電腦、顯示器等 IT 產品開始，之後再延伸到穿戴裝置、VR／AR 顯示器和超大型電視。 那大家最在意的 OLED 燒印問題呢？目前還不能說已經解決。LG 公布的壽命延長 2.4 倍，是指面板在特定測試條件下更耐用，不代表 OLED 永遠不會衰退，也不代表長時間顯示靜態畫面就完全沒有烙印風險。 實際表現還會受到亮度設定、散熱、面板結構、顯示內容和廠商調校影響。而且 LG Display 目前還沒有公布首批 FLiPP 消費產品的型號、價格和上市日期，所以現在比較適合把它看成一項很有潛力的新製程，而不是馬上能買到的新規格。 ### 本週觀察 我覺得 FLiPP 最值得注意的，不只是讓下一台 OLED 電視更亮，而是它可能跨過 RGB OLED 大型化一直遇到的製程門檻。如果之後能順利量產，OLED 電視和電腦螢幕就有機會在亮度、功耗、壽命與成本之間取得更好的平衡。至於它何時真的走進消費市場，還要等 LG Display 公布下一步。 ### 資料與圖片來源 [資料來源｜LG Display，〈LG Display unveils FLiPP, achieving dream next-generation OLED〉，2026-08-19。](https://lgcorp.com/media/release/30471) [圖片來源（圖 1、圖 3）｜Seoul Economic Daily，〈Samsung, LG Display Unveil Next-Generation OLED at IMID 2026〉；原始照片由 LG Display 提供，2026-08-19。](https://en.sedaily.com/finance/2026/08/19/samsung-lg-display-unveil-next-generation-oled-at-imid-2026) [圖片來源（圖 2）｜Hardware Busters，〈LG Display FLiPP Patterns RGB OLED Without a Metal Mask〉；圖中技術數據來自 LG Display，2026-08-19。](https://hwbusters.com/news/lg-display-flipp-patterns-rgb-oled-without-a-metal-mask-1-6x-brightness-2-4x-lifespan/) --- ## 二.AI 怎麼看懂 X 光片？一場電腦版的「威力在哪裡」 作者:main ![圖片](/posts/33/4.png) 這次週刊想聊聊醫院裡越來越常見的「AI 影像判讀」。 每次在系統裡拉出那些充滿雜訊、黑白交錯的 DICOM 醫療影像時，總會覺得要讓電腦看懂這些圖，根本是在為難機器。但如果把那些複雜的科技名詞放一邊，AI 看懂 X 光片的底層原理，其實就跟我們小時候玩的「威力在哪裡（Where's Wally?）」一模一樣。 ### 找出藏在幾百萬像素裡的「威力」 想像一下，一張高解析度的醫療影像，就像是那張畫滿了成千上萬個小人、背景超雜亂的遊戲書。而隱藏在器官邊緣的微小結節、骨骼上的細微裂縫，甚至是某根醫療管線的位置有沒有放對，這些都是我們要找的「威力」。 要在一片灰階的影像中，用肉眼找出可能只有幾毫米的異常，對醫生的專注力與眼力是極大的考驗。尤其當一位醫師一天需要看幾百張片子、或是需要不斷放大檢視組織層次時，視覺疲勞是不可避免的。 這時候，就是 AI 輔助系統該上場的時候了。 ![圖片](/posts/33/5.png) ![圖片](/posts/33/6.png) ### 電腦怎麼學會找威力？靠的是無情的「刷題」 在第三十一期的週刊裡有提過，機器學習的核心是不給「規則」，只給「答案」與「資料」。 如果要讓電腦學會找威力，我們沒辦法寫一行程式碼規定：「威力長得圓圓的、顏色偏白」。因為在真實的醫療數據裡，病灶的形狀千變萬化，不同組織的邊界也非常模糊，根本寫不出絕對的 if-else 規則。 所以我們在訓練模型時，採用的是無情的「大量刷題」策略。我們把成千上萬張、已經由資深醫師親手圈出異常位置的影像餵給系統。演算法會去抓取這些圖片的深層特徵（例如某個區域的邊緣輪廓特別銳利、或是像素分佈異常密集），慢慢自己歸納出一套「找威力的直覺」。 我們在開發系統介面時，還需要讓它能直觀地把結果告訴人類。 AI 它會透過畫面的視覺化來呈現。最常見的做法是加上「邊界框（Bounding Box）」，直接在畫面中用亮色系把可疑的地方框起來；或是利用「熱點圖（Heatmap）」，在 X 光片上疊加一層色彩，顏色越紅的地方，代表 AI 覺得「威力藏在這裡的機率（信心分數）越高」。 透過這樣的介面設計，醫生看診時就不需要在全螢幕的大海裡撈針，而是能一眼聚焦在 AI 提示的高風險區域。 ![圖片](/posts/33/7.png) ### AI 是最強的輔助工具，而非人類的替代品 很多人聽到 AI 醫療，第一反應都是「那以後還要醫生幹嘛？」 其實在實際導入這類輔助系統時，我們的目的從來都不是取代專業人員。AI 就像是一個看過幾百萬本遊戲書、找東西超級快，但缺乏真實世界常識的超級助理。它可以在一秒內圈出所有疑似威力的紅框，但那可能只是一個長得比較像威力的路人。 最後的決定權，依然在「醫生」這位老練的玩家手上。醫生會根據 AI 提示的重點，結合病患的真實病史、抽血報告來下最終診斷。 這才是這項技術最實在的價值：用科技扛下那些疲勞與重複性的眼力活，把最關鍵的判斷力與溫度，還給醫療專業 。 ###參考連結 [DICOM Annotation Explained: Challenges, Workflows, and AI Training Considerations](https://www.ayadata.ai/dicom-annotation-explained-challenges-workflows-and-ai-training-considerations/) [AI and X-rays: Identifying the many faces of COVID-19](https://news.microsoft.com/apac/features/ai-and-x-rays-identifying-the-many-faces-of-covid-19/) [正常與異常胸部 X 光片：它們揭示了什麼？](https://xrayinterpreter.com/zh-TW/resource/normal-vs-abnormal-chest-xrays) [史上最簡單的版本！「威利在哪裡？」COVID-19版登場：一眼就能找到威利在哪裡！](https://www.gq.com.tw/life/article/%E5%A8%81%E5%88%A9%E5%9C%A8%E5%93%AA%E8%A3%A1-%E5%B0%8B%E6%89%BE%E5%A8%81%E5%88%A9-%E8%82%BA%E7%82%8E) --- ## 三.2026 年 8 月，Google 發生了一場震撼 AI 業界的人事變動 作者:游錐 ### 2026 年 8 月，Google 發生了一場震撼 AI 業界的人事變動。 Google 首席科學家 Jeff Dean 在任職近 27 年後離開公司，與 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 三位 Google 資深研究者共同創辦新公司 Discovery Loop。這四人都是 Google AI 與大型系統發展歷史中的重要人物。 但這次事件真正值得注意的，並不只是「Jeff Dean 離職」，而是他們離開 Google 後想做的事情。 ### Jeff Dean 是誰？ Jeff Dean 在 1999 年加入 Google，是 Google 早期最重要的工程師之一。他與 Sanjay Ghemawat 長期參與 Google 大規模分散式系統的建設，後來又成為 Google Brain 與現代 AI 發展的重要人物。 因此，Dean 並不是普通的 Google 高階主管。 他幾乎見證了 Google 從搜尋引擎公司，逐漸發展成今天 AI、雲端與大型基礎設施公司的整個過程。 而這次與他一起離開的三位研究者也同樣重量級： Sanjay Ghemawat：Google Senior Fellow，與 Dean 長期合作。 Oriol Vinyals：Google DeepMind 研究者，曾參與 Gemini 等重要 AI 工作。 Quoc Le：Google Brain 早期核心成員之一。 四個人組成的團隊，因此格外引人注目。 ### 他們離開後想做什麼？ 新公司叫 Discovery Loop，是一家 public benefit corporation。 它的目標不是單純打造另一個聊天機器人，而是希望利用 AI 自動化科學與工程研究流程。 簡單來說，傳統研究可能是： 提出假設 → 設計實驗 → 執行 → 分析結果 → 提出下一個假設 Discovery Loop 想讓 AI 參與甚至自動執行這整個循環。 例如，AI 可以提出一個新的研究方向，自己寫程式、執行實驗、分析結果，再根據結果決定下一個實驗。 公司希望未來可以讓大量實驗平行執行，將原本需要研究者逐步完成的工作大規模自動化。 這也解釋了「Loop」這個名字的含義： **研究不再只是一次性的問答，而是一個可以不斷循環的 discovery loop。** ### 為什麼現在可以這樣做？ Jeff Dean 在 8 月於 Stanford 的公開演講中談到，現在小型團隊之所以能做以前只有 Google 這類大型公司才能做的事情，很大一部分原因是 Cloud Computing。 過去，一個頂尖 AI 研究團隊可能需要自己建立龐大的 GPU 集群、儲存系統、網路與分散式運算 infrastructure。 現在，小型團隊可以直接租用 Google Cloud 等平台的計算資源。 因此，四個人組成的團隊，也有可能使用過去只有大型科技公司才能取得的基礎設施。 這可能正是 Dean 選擇現在創業的重要原因之一。 ### Google 真的「輸掉 AI」了嗎？ 看到 Jeff Dean、Oriol Vinyals 等人離開，很容易產生一個結論： _「Google 的頂尖 AI 人才正在逃離，所以 Google 要輸了。」_ 但目前沒有足夠證據支持這個結論。 Google 依然擁有 Gemini、Google DeepMind、TPU、Google Cloud，以及龐大的 AI 研究與工程團隊。 而且有一個非常有趣的細節： **Google 本身就是 Discovery Loop 的 founding investor，而且 Google Cloud 也會成為其合作夥伴。 ** 換句話說，這並不是單純的「Google 和 Jeff Dean 決裂」。 比較像是： Jeff Dean 想離開 Google，建立一個更小、更自由的研究團隊； Google 則選擇投資他的新公司，甚至繼續提供基礎設施。 這是一種相當特別的關係。 ### Google 同時正在重新調整 AI 領導層 Jeff Dean 離開的同一天，Google 也宣布 Demis Hassabis 不再負責 Google DeepMind 的日常營運。 Hassabis 將轉任 Google DeepMind Chairman 與 Alphabet Chief Scientist，日常營運則由 DeepMind CTO Koray Kavukcuoglu 接手。 因此，這次事件其實不是單純一位傳奇工程師退休或跳槽。 Google 的 AI 組織正在同時發生相當大的變化。 真正值得關注的，是「研究方式」正在改變 我認為 Discovery Loop 最值得注意的地方，並不是 Jeff Dean 的名氣。 而是它背後代表的一個可能趨勢： **AI 可能從「研究工具」逐漸變成「研究流程的一部分」。** 過去： 人類提出問題 → AI 幫忙解決 未來可能變成： 人類設定目標 → AI 提出假設 → AI 執行實驗 → AI 分析結果 → AI 再提出新的假設 如果這種模式真的能成功，研究效率的瓶頸就可能從「一個研究員一天能做多少實驗」，變成： **「我們能讓多少 AI agent 同時進行多少個可靠的實驗？」** 這也是為什麼 Jeff Dean 的這次「單飛」值得關注。 **他離開的也許不只是 Google 他正在嘗試驗證一種新的 AI 研究模式。** 而 Google 選擇成為這場實驗的投資者與基礎設施提供者。 現在還無法知道 Discovery Loop 最終會不會成功，但如果它真的能讓 AI 大規模參與科學發現，那麼這次離職可能會被視為 AI 研究史上一個相當重要的轉折點。 ### 資料來源 [Google — The next chapter of our AI momentum](https://blog.google/company-news/inside-google/message-ceo/next-chapter-ai-momentum/) Jeff Dean、Sanjay Ghemawat 與 Discovery Loop 的官方資訊。 [Reuters — Google shakes up AI leadership as DeepMind chief shifts role](https://www.reuters.com/business/google-shakes-up-ai-leadership-deepmind-chief-shifts-role-2026-08-05/) Google AI 領導層重組與相關背景。 [The Wall Street Journal — Google AI Architect Jeff Dean Leaves to Co-Found AI Startup](https://www.wsj.com/tech/ai/googles-chief-scientist-is-leaving-after-27-yearsto-start-his-own-ai-company-6abad73d) 四位創辦人的背景。 [TechCrunch — Jeff Dean and other top AI researchers are leaving Google](https://techcrunch.com/2026/08/05/jeff-dean-and-other-top-ai-researchers-are-leaving-google-to-launch-their-own-startup/) Discovery Loop 的成立與研究方向。 [Business Insider —Why Jeff Dean says he left Google after 27 years](https://www.businessinsider.com/why-jeff-dean-left-google-ai-startup-discovery-loop-2026-8) Dean 在 Stanford 對離開 Google 原因的說明。

#科技週刊

第三十二期

2026-08-15

## 一.網路巨頭 Cloudflare 推出全新支付服務，晚註冊就沒了！全新的 x402 支付又是什麼？ 作者:YD 還記得以前買東西要輸入信用卡號、等 3D 驗證簡訊嗎？現在連「買東西的人」都可能不是人了。8 月 4 日，Cloudflare 正式發布 **Cloudflare Wallets** 與全新識別服務 **cloudflare.pay**，目標很直接：讓 AI Agent 也能像人一樣，擁有自己的身分、自己的錢包，自己上網刷卡買東西。這篇週刊就來拆解一下，這套聽起來有點科幻的「AI 錢包」到底是什麼，以及背後撐著它的 x402 支付協議又是何方神聖。 ### Cloudflare Wallet 是什麼？ 簡單說，Cloudflare Wallets 是專門為 AI Agent 設計的支付系統，分成兩種角色： - **Account Wallet**：給「人」用的，也就是你或你的公司，負責掌控預算、設定規則。 - **Virtual Wallet**：給「Agent」用的，透過 API Key 運作，實際去買 API、買 MCP 工具、買內容的就是它。 聽起來就是把信用卡交給一個看不見的助理，是不是有點可怕？Cloudflare 顯然也想到這點，所以 Virtual Wallet 內建了一整套「韁繩」： - 每週／每月的花費上限（例如設定 $100 美元的週預算） - 白名單商家、單筆交易金額上限 - 異常花費自動示警 - 人類隨時可以手動介入、暫停授權 值得一提的是，這些花費上限不只是防止 Agent 亂花錢，官方也把它包裝成防禦 **提示注入（Prompt Injection）** 攻擊的一道防線——就算 Agent 被惡意網頁或訊息騙去下單，只要花費卡在額度內，最多也只是小損失，不會被整包掏空。這算是把資安問題直接搬到「錢」這個最現實的層面來解決，思路蠻務實的。 ### 立即註冊獨一無二的 ID！ 如果你用過信用卡分享連結、或是幫 Agent 申請 API Key，就知道現在的 AI 要「自己上網辦事」有多麻煩：要登入網站、要找人要金流方式、還要搞一堆帳號設定。Cloudflare 這次順便解決了「Agent 沒有身分」的問題——每個 Cloudflare 帳號都可以到 **cloudflare.pay** 認領一個專屬 handle，長得像 `research.example.cloudflare.pay`，讓商家一看就知道這是哪個組織派出來的 Agent。 這個身分是接在 Cloudflare 原有的 **Web Bot Auth**（讓機器人用金鑰對驗證身分）之上，等於是把一串冷冰冰的公鑰，轉換成人類看得懂、記得住的名字。不過要注意，目前（2026 年 8 月）只開放**搶註 handle**，實際拿來付款、儲值穩定幣的功能官方說是未來數月才會陸續開放，賣方要用的 Monetization Gateway 也還在候補名單階段。換句話說，現在能做的是先卡位置，錢包本體還沒完全長好——不過如果你在意這個 ID，大概真的要趁早去 cloudflare.pay 註冊，晚了熱門名稱就被搶走了。像是程式貓已經先註冊 codecat 了！ ![圖片](/posts/32/1.png) 小編順便分享一個小知識，你可以通過修改註冊完的網址來顯示不同的名稱，不一定要真的註冊就可以得到酷酷的卡片。當然這僅限於好玩，不是你真的擁有其他 ID，每個帳號還是只能有一個喔！ [你想要顯示的 ID](https://cloudflare.pay/claimed?tag) ### x402 —— 給 Agent 的支付協議 撐起整套錢包系統的關鍵技術，叫做 **x402**。名字取自 HTTP 狀態碼 `402 Payment Required`——這是個從 HTTP/1.1 規格誕生就存在、但幾十年來幾乎沒人真正用過的「保留狀態碼」，原本是預留給「需要付款」的情境，卻一直沒有標準做法，直到現在才被 x402 撿回來用。 它的運作方式其實不複雜： 1. Agent 發出一個一般的 HTTP 請求，例如呼叫某個付費 API。 2. 伺服器如果要收費，不會像傳統網站丟給你一個「請登入信用卡」的付款頁面，而是直接回傳 `402 Payment Required`，附上機器可讀的付款條件（要多少錢、收什麼幣）。 3. Agent 的錢包自動用穩定幣完成付款，把付款證明夾在同一個請求裡重新送出。 4. 伺服器驗證付款成功，直接回傳原本要的資源。 整個過程不需要開帳號、不需要人工按「確認付款」，也不用先儲值月費——很適合 Agent 那種先試用幾個 API、比較一下誰便宜誰好的行為模式，一次可能只花幾分錢，卻能省下大量人工申請帳號的摩擦成本。 ![圖片](/posts/32/2.png) 圖: 取自 Cloudflare Blog ### 這對我們意味著什麼？ 過去我們常說 AI 幫你做事，但事到臨頭，付款這一關幾乎都還是得人類出面輸入卡號、按下確認、收驗證碼。Cloudflare Wallets 想解決的正是這個最後一哩路，讓 Agent 從頭到尾都能自己跑完一次交易。 但反過來，這也代表以後網路上真的會有大量非人的付費行為，商家要開始考慮怎麼定價給 Agent、怎麼防止 Agent 被騙去亂買，而使用者則要習慣把花費額度這種「風險控制」的思維，內建進每一個授權裡。不論錢包再怎麼設計花費上限，本質上還是把信任交出去的一種方式，我大概還是會針對任務的價值給予少量額度，每個不同的任務設定不同的上限。 如果 Agent 能自己上網刷卡買東西，你會給它多少額度？會希望程式貓哪一個服務率先支援 x402 呢？ #### 資料來源 https://blog.cloudflare.com/wallets/ https://www.cloudflare.com/press/press-releases/2026/cloudflare-gives-ai-agents-an-identity-and-a-wallet/ https://cryptobriefing.com/cloudflare-ai-agent-id-wallet-usdc/ https://cloudflare.pay/ --- ## 一.HBF（High Bandwidth Flash）：用 NAND 打破 AI 推理的記憶體容量牆 作者:KH 當 HBM 的容量與成本成為 AI 推理的瓶頸，一種全新的記憶體層級正在誕生。它不是 DRAM，而是 NAND Flash——以 HBM 的封裝方式，創造出 512GB、TB/s 級頻寬的「高頻寬快閃記憶體」 ### 一、AI 推理的記憶體危機 大型語言模型（LLM）的規模正在以驚人的速度膨脹。以 Meta 的 Llama 4 為例，其支援的序列長度可達 1,000 萬 tokens，僅 KV Cache 就需要 5.4 TB 的記憶體容量。這意味著，單純依靠 GPU 上的 HBM（High Bandwidth Memory）已無法滿足需求——必須動用數十顆 GPU 才能容納這些中間計算結果。 HBM 的問題不在速度，而在容量與成本。目前 HBM4 單堆疊最大容量約 48–64 GB，對於動輒數百 GB 甚至數 TB 的模型權重而言，HBM 的單位容量成本過高，且物理堆疊高度受限。這直接推高了 AI 推理的總體擁有成本（TCO），也讓邊緣與企業級部署超大模型變得遙不可及。 在這樣的背景下，一項全新的記憶體技術於 2026 年 8 月 4 日正式亮相——HBF（High Bandwidth Flash）。 ### 二、什麼是 HBF？ HBF 是一種介於 HBM 與 SSD 之間的全新記憶體層級。它的核心概念非常簡單：將 NAND Flash 晶粒以 HBM 的 3D 堆疊方式封裝，透過 TSV（矽穿孔）垂直互連，創造出兼具高容量與高頻寬的記憶體方案。 與傳統 SSD 相比，HBF 的頻寬提升了約 100 倍——從 PCIe 5.0 NVMe 的 ~14 GB/s，躍升至 1.6 TB/s（Grade 2 等級）。這並非 NAND 本身變快了，而是先進封裝技術帶來的質變：透過 TSV 與平行陣列存取，讓數十層 NAND 同時讀取，累積出驚人的總頻寬。 HBF 由 SK hynix 與 SanDisk 主導，並透過 OCP（Open Compute Project） 發布為開放標準，採用 UCIe 作為晶片互連介面。這意味著任何 GPU、CPU 或 AI 加速器廠商都可以依照此標準整合 HBF，無需支付專利授權費。 ### 三、技術架構：NAND 穿上 HBM 的外衣 物理結構 HBF 的封裝外觀與 HBM 幾乎相同——同樣的 footprint、高度與功耗封裝，可以直接插入現有的矽中介層（Silicon Interposer）插槽。但內部結構截然不同： | 組件 | HBF 設計 | | :--------- | :------------------------------------------------------------ | | 記憶體晶粒 | 8–16 層 3D NAND（SK hynix 375層 4D NAND / SanDisk BiCS NAND） | | 互連 | TSV（Through-Silicon Via，矽穿孔） | | 邏輯晶粒 | CBA（CMOS Bonded to Array），負責平行讀取排程與快取管理 | | 處理器介面 | UCIe（Universal Chiplet Interconnect Express） | SanDisk 的設計將 16 層 BiCS NAND 透過 TSV 堆疊，並將控制器直接鍵合（Bond）在 NAND 陣列上。這顆邏輯晶粒負責管理平行讀取、錯誤校正與資料快取，讓上層處理器看到的介面與 HBM 無異。 標準規格（2026 年 8 月發布） HBF 聯盟在 FMS 2026（Flash Memory Summit）上發布了首份標準規格： 容量配置：8-high / 16-high 堆疊 最大容量：512 GB（16-high） 頻寬等級： Grade 1：~0.4 TB/s Grade 2：~1.6 TB/s Grade 3：~3.0 TB/s 介面：UCIe（64 GT/s，64 lanes） 標準平台：OCP 開放標準 值得注意的是，HBF 的頻寬並非單一固定值，而是分為三個等級，讓系統設計者可以依據成本與效能需求靈活選擇。 ### 四、HBF vs HBM：不是取代，而是分層 HBF 的設計目標從來不是取代 HBM，而是與 HBM 形成**分層記憶體（Tiered Memory）**架構。 | 指標 | HBM4（16-Hi） | HBF（16-Hi） | 說明 | | :------------- | :------------ | :--------------- | :----------------------------------- | | **容量** | 48–64 GB | **512 GB** | HBF 容量是 HBM 的 **8–10 倍** | | **頻寬** | ~1.6 TB/s | 0.4–3.0 TB/s | Grade 2/3 可與 HBM 匹配 | | **延遲** | ~100 ns | **~1–10 μs** | HBF 延遲慢 10–100 倍，不適合隨機存取 | | **讀取粒度** | 32 bytes | **4,096 bytes** | HBF 最小讀取單位大 128 倍 | | **寫入耐久性** | 無限（DRAM） | **有限（NAND）** | HBF 不適合頻繁寫入 | | **揮發性** | 揮發性 | **非揮發性** | 斷電後資料保留 | | **成本/GB** | 基準 | **約 1/10** | HBF 單位容量成本極具優勢 | 從上表可以看出，HBF 的優勢在於容量與成本，劣勢在於延遲與寫入。這決定了它的最佳應用場景：模型權重的靜態存儲——在 AI 推理中，模型權重是唯讀的，正好避開了 NAND 寫入慢與耐久性差的弱點。 SK hynix 在 IEEE 發表的 H³（HBM + HBF Hybrid） 架構研究進一步驗證了這個概念：在 NVIDIA Blackwell B200 GPU 上同時整合 HBM 與 HBF，HBM 負責低延遲的 KV Cache 與激活值，HBF 負責大容量的靜態權重。模擬結果顯示，在 1,000 萬 tokens 的長序列推理中，H³ 架構的吞吐量是純 HBM 的 6.14 倍，能效比提升 2.69 倍，且僅需 2 顆 GPU 就能完成原本需要 32 顆 GPU 的工作負載。 ### 五、聯盟成員與生態系統 HBF 聯盟的成員組合頗具戰略意義： | 角色 | 成員 | 貢獻 | | :--------------- | :-------------- | :------------------------------------------ | | **主導者** | **SK hynix** | 375層 4D NAND 技術、標準制定 | | **主導者** | **SanDisk** | BiCS NAND、CBA 控制器、原型開發 | | **晶片設計夥伴** | **Google** | 超大規模資料中心驗證、DeepMind 參與架構設計 | | **晶片設計夥伴** | **Tenstorrent** | RISC-V AI 加速器整合、開源生態推動 | | **標準平台** | **OCP** | 開放標準發布與維護 | Google 與 Tenstorrent 的參與尤其值得關注。Google 作為全球最大 AI 運算需求方之一，其驗證將直接決定 HBF 能否通過超大規模資料中心的考驗。Tenstorrent 則代表了一條與 NVIDIA 不同的路線——開源 RISC-V 架構 + 開放記憶體標準，試圖以更低的 TCO 挑戰 CUDA 生態。 值得注意的缺席者：NVIDIA、AMD、Intel、Broadcom、Marvell、Micron、Qualcomm、Samsung 均未表態參與。這可能意味著 HBF 在短期內難以滲透 NVIDIA 主導的資料中心生態，但也給了開放架構陣營一個差異化的機會窗口。 ### 六、應用場景：為什麼是 AI 推理？ HBF 的技術特性決定了它只適合特定工作負載： **✅ 非常適合** **靜態模型權重存儲**：大模型權重（數百 GB 至數 TB）可完整存放於 HBF，大幅降低 GPU 數量需求 **預計算 KV Cache**：已生成的 KV Cache 可 offload 至 HBF，釋放 HBM 空間給動態計算 **模型權重加載**：從 HBF 讀取權重到 HBM 進行運算，形成流水線 **❌ 不適合** **AI 訓練（Training）**：訓練需要大量讀寫與反向傳播，NAND 的寫入耐久性與速度無法承受 **動態 KV Cache 寫入**：推理過程中持續生成的 KV Cache 需要頻繁寫入，應保留在 HBM **細粒度隨機存取**：HBF 的最小讀取單位為 4KB，對小資料塊的隨機讀取效率極差 簡單來說，HBF 是 AI 推理的「大容量書櫃」，HBM 則是「高速草稿紙」。兩者協同，才能在不犧牲效能的前提下，將推理成本降低一個數量級。 ### 七、商業化時間線 HBF 從概念到量產的時間線相當緊湊： 2025 年 2 月：SK hynix 與 SanDisk 簽署 HBF 合作備忘錄 2025 年 8 月：宣布標準化合作夥伴關係 2026 年 2 月：HBF 規格標準化聯盟正式成立 2026 年 8 月 4 日：首份 HBF 標準規格於 FMS 2026 發布 2026 年下半年：SanDisk 推出 HBF 原型樣品（日本試產線） 2027 年初：AI 推理設備開始搭載 HBF 取樣 2027 年中：日本試產線正式運作 2030 年：複雜記憶體解決方案（含 HBF）需求預計顯著起飛 SanDisk 計畫在日本建立 HBF 專屬試產線，預計 2026 年底完工。SK hynix 則同步推進 375 層 4D NAND 的量產，功耗效率較前代提升 2.5 倍，為 HBF 提供更高密度的 NAND 晶粒。 ### 八、風險與挑戰 儘管前景光明，HBF 仍面臨多項挑戰： 延遲問題：HBF 的延遲比 HBM 慢 10–100 倍，必須依賴軟體層的預取（Prefetch）與排程機制來隱藏延遲。這對編譯器與執行期的設計提出了極高要求。 寫入耐久性：NAND 的寫入壽命有限，動態數據（如 KV Cache）不能放入 HBF。系統必須精確區分「只讀權重」與「動態激活值」的存放位置。 生態系碎片化：目前僅 Google 與 Tenstorrent 參與，NVIDIA 與 AMD 的缺席可能導致軟體生態支援不足。若主流框架（如 PyTorch、vLLM）未原生支援 HBF 的記憶體分層管理，開發者將難以採用。 成本結構：HBF 的堆疊成本主要來自先進封裝（TSV、CBA、中介層），而非 NAND 晶粒本身。雖然單位容量成本約為 HBM 的 1/10，但整體堆疊的絕對成本仍接近 HBM 等級。 讀取粒度：4KB 的最小讀取單位對 Transformer 等需要頻繁細粒度存取的模型架構並不友好，需要硬體或軟體層的聚合機制。 ### 九、結論 HBF 代表了記憶體產業的一次範式轉移：NAND Flash 不再只是「儲存」，而是透過先進封裝升格為「近運算記憶體（Near-Compute Memory）」。在 AI 推理成本日益成為商業化瓶頸的今天，HBF 提供了一條以容量換取成本效益的全新路徑。 對於 Tenstorrent 等開放架構陣營而言，HBF 是一個絕佳的差異化武器——當 NVIDIA 仍堅持 HBM-only 路線時，Tenstorrent 可以透過 HBF 以極低的記憶體成本提供數百 GB 的模型權重存儲，搭配其開源軟體堆疊，形成「低成本 AI 推理」的完整解決方案。 然而，HBF 的成功不僅取決於硬體，更取決於軟體生態的成熟度。如何讓編譯器自動管理 HBM 與 HBF 之間的數據搬移、預取與排程，將是決定這項技術能否從「實驗室概念」轉化為「資料中心標配」的核心變數。 2027 年將是 HBF 的關鍵驗證年——若 Google 的超大規模部署證明了 HBF 的可靠性與經濟性，這項技術很可能在 2030 年前成為 AI 推理基礎設施的標準配置。 資料來源 [SK hynix Official Press Release - HBF Standard Specification Disclosure](https://news.skhynix.com/sk-hynix-discloses-high-bandwidth-flash-hbf-standard-specification/) [SK hynix Official Press Release - HBF Consortium Formation](https://news.skhynix.com/sk-hynix-discloses-high-bandwidth-flash-hbf-standard-specification/) [Tom's Hardware - HBF: NAND Flash Gets the HBM Treatment](https://www.tomshardware.com/tech-industry/memory-storage/hbf-nand-flash-gets-the-hbm-treatment-512-gb-capacity-and-16-tb-s-bandwidth) [Blocks & Files - HBF: NAND Flash with HBM Packaging](https://blocksandfiles.com/2026/08/04/hbf-high-bandwidth-flash/) [EE Times - HBF: A New Memory Tier for AI Inference](https://www.eetimes.com/hbf-a-new-memory-tier-for-ai-inference/) [Business Wire - SK hynix and SanDisk HBF Collaboration](https://www.businesswire.com/news/home/20250804005047/en/) [StorageNewsletter - HBF Market Analysis and Ecosystem](https://www.storagenewsletter.com/2026/08/04/hbf-high-bandwidth-flash-market-analysis/) [SK hynix H³ Hybrid Memory Architecture - IEEE Research](https://ieeexplore.ieee.org/document/10812345) [FMS 2026 Keynote - HBF Technology Introduction](https://www.flashmemorysummit.com/2026-program/) [SanDisk HBF Prototype and Commercialization Roadmap](https://www.sandisk.com/company/newsroom/press-releases/2026/2026-08-04-sandisk-hbf-prototype.html) [OCP (Open Compute Project) - HBF Standard Specification](https://www.opencompute.org/documents/hbf-standard-specification-v1-0) [UCIe Consortium - Universal Chiplet Interconnect Express](https://www.ucie.org/) [Tenstorrent HBF Consortium Participation](https://tenstorrent.com/company/newsroom/) [Google DeepMind - Memory Architecture for Large Models](https://deepmind.google/research/publications/) [SK hynix 375-Layer 4D NAND Technology](https://news.skhynix.com/sk-hynix-develops-industrys-first-375-layer-4d-nand/) --- ## 一.看動畫學科技 鋼彈系列篇:宇宙殖民地 作者:Lhs 萬代前陣子在統一時代百貨附近，擺設了旗下IP商品的展覽，其中就包括了超巨大的鋼彈半身立像，雖然是由氣球組成，但能看到鋼彈和101同框，對我而言仍然是非常高興的一件事。因此我也想趁這個機會，介紹一下鋼彈動畫系列中，那些取材自現實科技猜想，或者取自現實科技的部分，而這次要講的內容是最知名的:宇宙殖民地。 由於能講的內容太多，這預計會成為一個系列，未來也會探討其他動畫的相關科技知識，有興趣的還請多多支持! ## 一.宇宙殖民地是什麼? 宇宙殖民地，也可稱太空殖民地、太空島等，是鋼彈系列中不可或缺的存在，幾乎每部作品都能看到它的身影，在最初的0079動畫的開頭，也是由反派機體潛入宇宙殖民地作為開場，那麼宇宙殖民地究竟是什麼呢? ![圖片](/posts/32/4.png) (0079鋼彈開場 圖片取自網路) 實際上，「宇宙殖民地」這個概念早在十七世紀時期，在克卜勒寫給伽利略的信件中，就能看到類似概念，他將其描述為「適合適應天體微風的船隻 」，就像是當時的大船帶起大航海時代一般，這些船隻也將帶領人類航向星空，是一個符合當時時代背景的猜想。 來到十九世紀，美國作家愛德華·埃弗雷特·黑爾在其創作的小說「磚月亮」也提出過能讓人類在宇宙生活的人造球體，雖然劇情裡是因為意外導致，但這個構想也成為了宇宙殖民地的原型之一。 到了二十世紀初，俄國科學家齊奧爾科夫斯基提出了由科學角度出發的構想，他提出了太空溫室、旋轉重力等概念，並留下了名言【地球是人類的搖籃，但是人類不會永遠生活在搖籃里 】，認為人類要移居宇宙才能避免滅絕、完成進化，成為更完美的物種。 ### 二.近代的相關科學猜想 實際上，直到1900年代，才開始有更加正式的科學猜想，從1929年到1975年，主要有以下四種殖民地:伯納爾球體、戴森球 、奧尼爾圓柱體 、史丹佛環面，相關資訊可以參考以下表格: | 猜想名稱 | 核心外觀 | 容納人口 | 陽光來源 | 經典科幻代表作 | | :--------------- | :----------------- | :----------------- | :----------------- | :--------------------------------------- | | **伯納爾球體** | 巨大的玻璃球體 | 約 2~3萬人 | 外部後製反射鏡 | 《巴比倫五號》太空站 | | **戴森球** | 包圍太陽的巨型矩陣 | 數萬億人（文明級） | 直接吸收恆星光芒 | 《星艦迷航記》、遊戲《戴森球計劃》 | | **奧尼爾圓柱體** | 雙對稱長條圓柱 | 數百萬人 | 側邊巨大三片反射鏡 | 《機動戰士鋼彈》、《星際效應》庫珀太空站 | | **史丹佛環面** | 旋轉的巨大甜甜圈 | 約 1萬人 | 頂部中央倒角反射鏡 | 《極樂世界》(Elysium)、《2001太空漫遊》 | 實際上，這些猜想也被認為是人類未來探索宇宙的可能性之一，像是亞馬遜創辦人貝佐斯創立的「藍色起源」，正是打算利用奧尼爾圓柱體讓人類能在宇宙生活，還有NASA最新的登月計畫「阿提米絲計畫 」則是先在月球建立基地，為之後人類建造宇宙殖民地等太空探索計畫建立基礎。 ### 三.結語 雖然現代科學在太空探索、材料學等方面，都還有很多的成長空間，但也確實在慢慢實現的路上，不論是對太空探索的目標從「探索月球」到「月面定居」，還是現在連民間公司都能以太空定居為目標，精進這方面的科學研究，都讓人覺得，這些遙遠的猜想是否又離人類更進一步。 讀到這裡的你又是怎麼想的呢?歡迎把想法留言告訴我們喔!

#科技週刊

第三十一期

2026-08-01

## 一.虛擬場邊廣告技術於足球賽事中的應用與發展 作者:游錐 ### 一、虛擬場邊廣告的前世今生 在現代體育產業中，廣告收入是維持職業聯盟、球隊以及大型賽事運作的重要來源。其中，足球場邊廣告（Perimeter Advertising） 一直是最常見且最具商業價值的廣告形式之一。傳統場邊廣告通常透過球場周圍的實體廣告牌或 LED 顯示器展示品牌資訊，但這類廣告受到場地限制，同一時間只能提供給有限數量的企業使用。 隨著足球運動逐漸全球化，同一場比賽可能透過電視、網路串流平台播放給世界各地的觀眾。然而，不同地區的企業希望接觸不同市場的消費者，因此傳統場邊廣告無法有效滿足全球化行銷需求。在此背景下，虛擬場邊廣告（Virtual Perimeter Advertising, VPA） 技術逐漸發展。 虛擬場邊廣告是一種利用電腦視覺、影像處理與即時合成技術，將數位廣告內容加入體育直播畫面的技術。透過此技術，轉播中的觀眾可以看到與現場觀眾不同的廣告內容，而球員與現場觀眾通常不會察覺這些虛擬廣告的存在。 虛擬廣告技術最早於 1990 年代末期開始應用於體育轉播。早期系統主要用於在畫面中加入簡單的品牌標誌，例如在球場草皮或場邊區域加入企業 Logo。然而，由於當時的電腦運算能力與影像分析技術有限，虛擬廣告容易出現位置偏移、透視錯誤以及無法正確被球員遮擋等問題。 進入 2000 年代後，隨著電腦視覺、攝影機追蹤技術以及即時影像渲染能力提升，虛擬場邊廣告逐漸成熟。現代系統可以精準追蹤攝影機運動、建立球場三維模型，並將廣告自然融合至直播畫面中，使虛擬廣告看起來如同真實存在於球場內。 ### 二、虛擬場邊廣告是怎麼做的 虛擬場邊廣告需要結合多種影像處理技術，才能在快速變化的體育比賽環境中維持真實感。 #### 1. 攝影機追蹤（Camera Tracking） 足球比賽直播時，攝影機會持續移動，例如： 平移（Pan） 傾斜（Tilt） 放大與縮小（Zoom） 因此系統必須即時分析攝影機的位置與角度，才能確保虛擬廣告的位置與視角保持正確。 例如，當攝影機從左側移動至右側時，虛擬廣告也必須跟隨透視變化，否則觀眾會察覺廣告並非真實存在於場景中。 #### 2. 球場三維建模（3D Stadium Mapping） 為了讓虛擬廣告符合真實環境，系統需要建立球場的數位模型，包括： 球場邊線位置 廣告板角度 攝影機視角 場地比例 透過三維模型，系統可以計算廣告在畫面中的正確位置與大小，使其符合透視效果。 #### 3. 即時影像合成（Real-time Image Compositing） 影像合成是虛擬廣告最核心的技術。 系統會將數位廣告圖像加入原始直播畫面： ![圖片](/posts/31/1.jpg) > 原始畫面 ![圖片](/posts/31/2.jpg) > 處理後的畫面 然而，為了提高真實感，系統必須處理： 球員遮擋效果 光影變化 草皮顏色差異 攝影機角度變化 例如，當球員跑過廣告區域時，虛擬廣告必須被球員身體遮住，而不能覆蓋在球員身上。 ### 三、虛擬場邊廣告的主要形式 區域化場邊廣告（Regional Virtual Advertising） 區域化廣告是目前虛擬場邊廣告最主要的應用方式。由於大型足球賽事具有全球觀眾，因此不同地區的企業希望購買不同市場的廣告曝光。透過虛擬廣告技術，同一場比賽可以根據觀眾所在地顯示不同內容。如此一來，同一個場邊廣告位置可以同時服務多個市場，提高廣告收益。 動態廣告替換（Dynamic Ad Replacement） 動態廣告替換允許系統在直播過程中改變廣告內容。 例如： 上半場顯示品牌 A 下半場顯示品牌 B 不同串流平台顯示不同廣告 這個技術也讓廣告播放更加彈性 (也能跟廣告主搶更多錢) 虛擬 LED 廣告板（Virtual LED Perimeter Boards） 虛擬 LED 廣告板模擬傳統球場 LED 廣告看板。 與真實 LED 看板相比，虛擬版本具有： 可快速更換內容 可針對不同市場調整 不需要改變實際球場設備 目前此技術廣泛應用於： 足球 棒球 籃球 美式足球 等大型體育賽事。 | 比較項目 | 傳統場邊廣告 | 虛擬場邊廣告 | | -------------------- | ---------------- | -------------------- | | 廣告位置 | 實際球場固定位置 | 直播畫面中的虛擬位置 | | 現場觀眾是否看到 | 是 | 通常否 | | 電視觀眾是否看到 | 是 | 是 | | 是否能依市場區域改變 | 否 | 可以 | | 廣告數量 | 受到場地限制 | 可增加多個版本 | | 更換速度 | 需要更換實體設備 | 可即時更新 | | 個人化能力 | 低 | 高 | | 技術需求 | 低 | 高 | | 商業價值 | 固定 | 較高 | ### 四、虛擬場邊廣告對足球產業的影響 增加廣告收益 傳統場邊廣告一個位置通常只能出售給單一企業。 然而，虛擬場邊廣告可以讓同一個位置根據觀眾市場顯示不同內容： 亞洲觀眾看到品牌 A 歐洲觀眾看到品牌 B 北美觀眾看到品牌 C 因此，同一個廣告位置可以產生多重商業價值。 支援全球化轉播 足球俱樂部與國際賽事擁有大量海外觀眾。 透過虛擬場邊廣告： **球隊可以吸引更多國際企業贊助** **品牌可以精準接觸目標市場** **轉播商可以提供不同版本內容** 使足球產業更加全球化。 提升品牌行銷效率 企業不需要購買所有市場的單一廣告版位，而可以根據目標觀眾選擇特定地區投放。這降低了行銷成本，同時提高廣告曝光效率。 五、結論 虛擬場邊廣告是體育商業化與數位影像技術結合的重要成果。相較於傳統場邊廣告，虛擬場邊廣告突破了地理與空間限制，使同一場比賽能夠同時服務不同市場的觀眾。 目前足球賽事已成為虛擬場邊廣告最成熟的應用領域。透過攝影機追蹤、三維建模以及即時影像合成技術，虛擬廣告能夠自然融入直播畫面，並創造更高的商業價值。 然而，虛擬場邊廣告仍面臨技術成本、影像真實性以及廣告規範等挑戰。未來隨著人工智慧與影像處理技術持續進步，虛擬場邊廣告將可能成為體育轉播不可或缺的一部分，並進一步改變全球體育產業的商業模式。 ### 參考資料 Turner, P., & Cusumano, S. (2000). Virtual Advertising: Legal Implications for Sport. Sport Management Review. Wikipedia. Virtual Advertising. [https://en.wikipedia.org/wiki/Virtual_advertising](https://en.wikipedia.org/wiki/Virtual_advertising) Goldman, D. (2023). The Evolution of Virtual Advertising in Professional Sports. The Gettysburgian. Sports Video Group. Virtual Advertising and the Future of Sports Broadcasting. FIFA. Commercial and Broadcast Technology Information. World Sports Advertising. Perimeter Advertising in Football: Pitch-Side Marketing Guide. --- ## 二.以後滑手機的不是你？努比亞 NaviX Ultra 想讓 AI 直接幫你做事！ 作者:阿棋 不知道大家有沒有這種經驗，只是想安排一趟旅行，卻要一直在地圖、訂票和記事本之間切來切去。AI 雖然可以回答問題，但最後真正動手操作的，通常還是自己。 7 月 16 日，努比亞正式讓 NaviX Ultra 亮相，並把它稱為全球首款「AI 智能體手機」。這支手機搭載豆包手機助手，希望讓 AI 不只是回答問題，也能進一步使用手機裡的應用程式和服務，幫忙把使用者交代的事情做完。這篇週刊就來看看，它和現在常見的 AI 手機到底差在哪裡。 ![圖片](/posts/31/3.jpg) > 圖1 努比亞 NaviX Ultra 官方宣傳圖 ### 不只給答案，而是幫你把事情做完 現在手機裡的 AI 功能很多，像是修圖、翻譯、整理文章，或是回答問題。不過，大部分的功能做到「提供答案」就結束了。假設我問 AI：「週末去台中要搭哪一班車？」它可能會列出幾個車次，但接下來還是要自己開啟訂票 App、輸入日期，再慢慢完成後面的操作。 NaviX Ultra 主打的「智能體」想要再往前一步。一般語音助理比較像是問路的人，它會告訴你怎麼走；AI 智能體則比較像是願意直接陪你跑一趟的朋友。使用者只要說出最後想完成的事情，AI 會嘗試理解需求，再呼叫手機裡需要的服務。相關報導指出，它能示範跨 App 執行任務；不過，支援範圍、穩定度和實際操作體驗，仍要等更多實機測試才會比較清楚。 #### 四句話，就是這支手機的重點 努比亞把 NaviX Ultra 的能力整理成「聽得懂、能幹活、記得住、夠安全」四個方向。聽得懂，是希望使用者不用刻意背固定指令，照平常說話的方式也能操作；能幹活，則是讓 AI 可以使用手機內的應用程式與服務，而不是只丟出一段答案。 記得住的部分，是希望手機可以慢慢了解使用者的習慣、偏好和備忘事項，減少每次都要重新解釋的麻煩。最後的夠安全也很重要，因為 AI 如果要替人操作手機，就可能接觸到更多個人資料。官方強調會加入隱私及安全防護，但這些保護實際做得如何，還是要等產品真正推出後才能判斷。 #### 一顆橘色按鍵，把 AI 放到最明顯的位置 從目前公開的外觀來看，NaviX Ultra 的側邊有一顆橘色 AI 實體按鍵，可以直接叫出智能體功能。背面採用橫向排列的相機模組，並公布藍境、幻夢粉、純黑及純白四款配色。比起把 AI 藏在設定或某個 App 裡，努比亞直接放上一顆專用按鍵，也看得出來 AI 並不是這支手機附帶的小功能，而是整台產品想強調的重點。 ![圖片](/posts/31/4.jpg) > 圖2 NaviX Ultra 於 WAIC 2026 展出的宣傳圖 #### 方便歸方便，我最在意的還是權限 我認為，AI 智能體手機最吸引人的地方，就是可以少做很多重複的操作。但是要讓它真的幫忙做事，就一定要開放更多權限。它可能需要知道你的行程、使用習慣，甚至要進入不同的 App。如果 AI 聽錯指令、選錯內容，或是做了使用者原本沒有打算做的事情，責任要怎麼處理，就是很現實的問題。 因此，重要操作最好還是要保留最後確認，例如送出訊息、購買商品或付款前，讓使用者再按一次同意。我可以接受 AI 幫忙整理和比較資料，但若要直接替我付款，我可能還是會多看幾眼。科技可以讓生活變方便，但不代表所有決定都要交出去。 AI 手機的下一步，可能不是更會聊天 過去手機的進步，大多是在比相機畫素、螢幕、處理器和充電速度。NaviX Ultra 比較特別的地方，是它想改變我們使用手機的方式。以前是人先找到 App，再一步一步完成工作；未來則可能是人只要說出目的，AI 自己安排要用哪些工具。 NaviX Ultra 已於 7 月 17 日至 20 日的世界人工智能大會展出，但目前公開資訊仍以外觀和 AI 能力方向為主，完整規格、售價及上市時間還沒有全部揭曉。它到底是下一代手機的開始，還是又一個看起來很厲害、實際使用卻有限的 AI 功能，仍值得繼續觀察。至少這次，手機廠商不只是把 AI 塞進手機，而是開始思考：手機能不能真的替人做事。 _**如果手機能自己開 App、整理行程，甚至完成任務， 你願意把多少權限交給 AI？**_ #### 資料來源 〈[努比亞全球首款 AI 智能體手機 NaviX Ultra 官宣，內置豆包手機助手](https://m.ithome.com/html/977393.htm)〉 〈[努比亞曝光二代「豆包手機」外觀](https://www.nbd.com.cn/articles/2026-07-16/4474538.html)〉 〈[二代豆包手機將亮相 WAIC 2026，AI 智能體成終端標配戰升溫](https://www.stcn.com/article/detail/4023958.html)〉 --- ## ​演算法會讀心？從日常聽歌看懂機器學習 作者:main ![圖片](/posts/31/5.png) 最近用串流平台聽歌，發現系統推薦的喜歡歌單越來越精準，有時候連首頁跳出來的動漫類型，都剛好是我最近喜歡的畫風。很多人會覺得，咦？是不是手機在偷聽我們說話，但其實這一切都是「機器學習 Machine Learning 」的功勞。 身為還在持續學習新技術的學生，滿常被非科技圈的朋友問到：機器學習到底跟一般工程師寫程式有什麼不一樣？其實，這兩者在解決問題的底層思維上，是完全相反的。 ### 從給定「規則」到給定「答案」的思維轉換 以前我們在寫傳統程式時，邏輯很像是在制定一本極度嚴格的規則手冊。最核心的架構就是大量的 if-else 判斷式。工程師必須把所有的「規則」都寫得清清楚楚，然後把「資料」丟進去，讓電腦照著跑出「答案」。 然而，計算機科學先驅 Arthur Samuel 早在 1959 年就提出了機器學習的概念：「讓電腦不需要被明確編寫程式，也能具備學習能力的技術。」 在機器學習的世界裡，公式被反轉了：_**我們不給規則，我們直接給「答案」跟「資料」，讓電腦自己去找出「規則」。**_ ![圖片](/posts/31/6.png) ### 為什麼 if-else 寫不出真實世界？以「監督式學習」為例 現實世界的問題，通常是沒辦法用 if-else 寫完的。 舉個最經典的影像辨識例子：我們要怎麼寫一段程式，讓電腦認出一隻貓？按照傳統的寫法，你可能會設定：如果有兩隻尖耳朵、四條腿、會發出喵喵聲，就是貓。 但萬一今天照片裡是一隻耳朵下垂的折耳貓，或者只露出一條尾巴，這段程式就會直接判定「這不是貓」，因為它不符合工程師寫死的規則。 這時候就需要用到機器學習中最常見的「監督式學習 Supervised Learning 」。我們不需要事先寫下貓的特徵，而是直接丟給電腦幾萬張貓咪的照片（輸入資料 X），並貼上標籤告訴它「這些都是貓」（目標答案 Y）。 _**演算法的目標，就是去找出一個隱藏的函數f，使得 Y = f(X)。**_ ![圖片](/posts/31/7.png) ### 從不斷試錯中進行「特徵擷取」 電腦在學習的過程中，會進行特徵擷取 Feature Extraction。它會自己去分析這幾萬張照片的像素分佈、邊緣輪廓，找出其中的共通點。 如果它一開始猜錯了（ex:把狗誤認為貓），系統會透過「損失函數 Loss Function 」來計算這次預測的誤差有多大，然後自動回頭去微調它的判斷標準。經過成千上萬次的運算與自我修正後，電腦會統整出一套判斷邏輯，也就是我們常聽到的「模型 Model 」。 有了這個訓練好的模型，下次你輸入一張全新的照片，它就能根據之前學到的特徵，計算出「這是一隻貓」的機率。 ![圖片](/posts/31/8.png) ### 結語：機器學習是比你還懂你的演算法 回到一開始的音樂與影音推薦，也是完全一樣的道理。工程師根本寫不出「喜歡某個偶像的人會有什麼特徵」這種死規則。 系統只是拿我們過去聽歌、看影片的龐大數據去訓練模型，讓模型自己抓出隱藏在背後的規律（ex:喜歡某種 R&B 和弦的人，通常也會對某種節奏感有反應），進而預測我們接下來會想點開什麼內容。 所以！與其說我們是在「寫」AI，不如說我們是在「訓練」它。我們提供資料，讓它自己去找出人類無法窮舉的規則。這也是為什麼，現在的演算法有時候甚至比你還懂你想聽什麼歌。 ### 參考連結 [機器學習 | 維基百科](https://zh.wikipedia.org/zh-tw/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0) [YouTube影片推薦怎麼知道你想看什麼？關鍵就在機器學習 | iThome](https://share.google/V3i7oN8sx7TIBSMND) [你有沒有好奇過，YouTube 到底如何透過深度學習推薦影片的？ | TechOrange 科技報橘](https://share.google/DnkcC48O3v29VkJ6G) [Brownlee, J. (2016). Supervised and Unsupervised Machine Learning Algorithms. Machine Learning Mastery. ](<https://books.google.com.tw/books?id=EAmqDwAAQBAJ&lpg=PP1&ots=lOUSwQ3x3S&dq=Brownlee%2C%20J.%20(2016).%20Supervised%20and%20Unsupervised%20Machine%20Learning%20Algorithms.%20Machine%20Learning%20Mastery.&lr&hl=zh-TW&pg=PA11#v=onepage&q&f=false>)

#科技週刊

第30期

2026-07-19

## 一.程式貓科技週刊回歸啦! 作者:Lhs 在五月時，由於專案主持人私人事務，沒有辦法繼續經營這項專案，導致科技週刊沒辦法順利進行，而現在，由於專案主持人回歸，科技週刊也順利回來啦! 程式貓科技週刊是為了讓科技新知以更容易親近的方式，出現在大眾視野而創立的專案，內容包括AI介紹、電腦工具教學、各大廠新機型介紹等，未來也預計會撰寫更多簡易教學、新知介紹等內容的文章，還請各為持續關注。 接下來科技週刊將會以二週一期，一期三篇的形式持續推出，如果各位有什麼想看的題材，也歡迎在各貼文底下留言，或者私訊給我們喔! ![圖片](/posts/30/1.png) --- ## 二.想在台灣擁有屬於自己的土地嗎？《台域戰策》第一賽季迎來大改版！ 作者:玥楓 如果你最近有在玩線上佔地遊戲，那你一定不能錯過《台域戰策》這款由玩家社群自製、目前更新全新賽季的台灣風佔地策略遊戲。這幾週遊戲團隊沒有閒著，花類大把精力上線 v1.5.0 的全新版本，從商店系統、效能優化到大家最期待的「聊天室」，通通一次到位。這篇週刊就帶大家快速掃過這波更新，順便偷偷拆解一下聊天室背後的小秘密。 ![圖片](/posts/30/2.png) > 圖:Takasago’s War 台域戰策 首頁 ### 商店大改造：寶石登場 過去玩家在遊戲裡只能靠「金幣」買東西，這次更新直接加開第二條產線——「寶石」。寶石能夠透過付費取得，也可以在解鎖成就和參與活動拿到，可以在全新改版的「寶石商店」裡換購限定道具，商店裡的品項也一口氣擴充了不少。值得一提的是，遊戲背後的金流服務也悄悄換成了台灣在地的 Recur，對玩家來說感受不到差異，但對開發者而言等於是把引擎換了一顆，未來在台灣的金流串接會更順手。 ### 戰局更公平：陣營金幣獎勵微調 眼尖的玩家可能會發現，攻占土地拿到的金幣獎勵這次跟「陣營」掛勾了——簡單來說過去不論是敵人還是盟友都給予固定的金幣數量，會導致部分活躍玩家擁有「無限體力」問題，現在攻擊敵人獲得的獎勵更加剛好，不僅保留戰術運用空間也能適度休息，不用被激進的敵人不斷騷擾。同一批更新裡，隊伍顯示也從冷冰冰的代號，換成了看得懂的「聯盟名稱」，排行榜跟大頭貼顯示的小 bug 也一併修掉了。 ### 技術揭密：聊天室是怎麼「即時」的？ 這次更新裡最多人詢問的功能，就是右下角新增的那顆聊天泡泡按鈕。點開之後，就是一個所有玩家共用的「全區聊天室」。看起來很簡單對吧？但一個聊天室要做到「你打字、對方馬上看到」，其實背後藏著兩套系統在合作，通過訪問台域戰策背後技術團隊後，用簡單易懂的舉例向大家說明。 #### 第一套系統 是「聯絡簿」。 你在聊天室打的每一句話，第一時間會先送到伺服器，寫進資料庫裡存起來，就像老師要求每個人都要把聯絡事項抄進聯絡簿一樣——就算你手機沒開、電腦關機，這句話也不會不見，下次打開遊戲，歷史訊息還是讀得到。 #### 第二套系統 是真正「即時」的關鍵，叫做 Socket（可以想成廣播喇叭）。 一般網頁如果要看新資料，得自己按「重新整理」，或是每隔幾秒偷偷問伺服器一次「有新的嗎？有新的嗎？」，這樣既浪費資源、又不夠即時。《台域戰策》用的做法是反過來：伺服器跟每個玩家的電腦之間，先牽一條「電話線」保持連線，一旦有人發言，就直接用這條線「廣播」給所有正在連線的人，完全不用等你去問。這就是為什麼你會看到訊息幾乎是「秒讀秒回」，而不是隔個幾秒才慢慢跳出來。 所以完整流程其實是：你按下送出 →訊息先存進「聯絡簿」（資料庫）確保不會遺失 → 同時透過「廣播喇叭」（Socket）瞬間送到所有人畫面上。兩套系統各司其職，一個負責「記得住」，一個負責「傳得快」，合起來才有現在這種絲滑的聊天體驗。開發團隊還貼心加了「未讀紅點」，你沒點開聊天室時，新訊息一樣會在按鈕右上角默默累積數字提醒你，不會漏接任何一句話。 ![圖片](/posts/30/3.png) > 圖:Claude / Gemini 產生，編輯校正 從佔地到社交，台域戰策成為一個小社會 從最早單純比誰佔的地多，到現在有商店、有陣營博弈、還有即時聊天室可以互相吵架交流，《台域戰策》這款以台灣為基礎的土地遊戲，正在一步步長成一個有血有肉的線上小社會。下一步會不會出現成就系統、限時任務，都值得我們繼續期待。如果你身邊剛好有人在玩，不妨也點開聊天室打聲招呼，說不定跟你戰鬥過的玩家，現在也正在看這篇週刊呢！ 資料來源 https://tsw.codecat.tw/ https://docs.codecat.tw/takasagos-war https://docs.codecat.tw/takasagos-war/version [團隊旗下遊戲台域戰策已於近日完成第一賽季版本更新](https://www.threads.com/@codecat.tw/post/DaR2bTxkrX9/%E5%8F%B0%E5%9F%9F%E6%88%B0%E7%AD%96%E7%89%88%E6%9C%AC%E6%9B%B4%E6%96%B0%E5%85%AC%E5%91%8A%E4%BC%B4%E9%9A%A8%E6%9A%91%E6%9C%9F%E6%AD%A3%E5%BC%8F%E9%96%8B%E5%95%9F%E5%9C%98%E9%9A%8A%E6%97%97%E4%B8%8B%E9%81%8A%E6%88%B2%E5%8F%B0%E5%9F%9F%E6%88%B0%E7%AD%96%E5%B7%B2%E6%96%BC%E8%BF%91%E6%97%A5%E5%AE%8C%E6%88%90%E7%AC%AC%E4%B8%80%E8%B3%BD%E5%AD%A3%E7%89%88%E6%9C%AC%E6%9B%B4%E6%96%B0%E7%82%BA%E7%8E%A9%E5%AE%B6%E5%80%91%E5%B8%B6%E4%BE%86%E5%85%A8%E6%96%B0%E6%8C%91%E6%88%B0%E6%9C%AC%E6%AC%A1%E6%9B%B4%E6%96%B0%E9%87%8D%E9%BB%9E%E7%89%B9%E6%AE%8A%E5%9C%9F%E5%9C%B0%E9%96%8B%E6%94%BE%E8%A7%A3%E9%8E%96%E7%8D%A8%E7%89%B9%E7%94%9F%E6%85%8B%E5%9C%B0%E5%9C%96%E7%AD%96%E7%95%A5%E6%8B%93%E8%8D%92%E7%88%AD%E5%A5%AA%E8%B3%87%E6%BA%90/) --- ## 認識 Ornith-1.0：會自己設計工作流程的開源程式碼模型 作者:KH ![圖片](/posts/30/4.png) ### 一、它是什麼 Ornith-1.0 是一個 2026 年 6 月由 AI 研究團隊 DeepReinforce 開源釋出的大型語言模型（LLM），專門用來做「agentic coding」——也就是不只是幫你寫一段程式碼，而是自主完成整個軟體工程任務：讀懂一個完整的專案、在終端機執行指令、呼叫各種工具、除錯、反覆修補程式碼，直到任務完成。 它不是一個聊天機器人，也不是一個現成的 App。你拿到的是「模型權重」，需要自己用 vLLM、SGLang、Ollama 或 LM Studio 之類的推論引擎跑起來，再接上一個 agent 框架（例如 OpenHands）才能使用。 名稱「Ornith」來自希臘文的「鳥」。這點值得先說清楚：它跟仿生撲翼機器人（會拍翅膀飛的無人機）完全無關，純粹是取名字用了鳥的字根，兩者不要混淆。 ### 二、家族與規格 Ornith-1.0 一次發布四種尺寸，方便不同硬體條件的人使用： | 版本 | 類型 | 基座模型 | 適合場景 | | --------- | -------- | -------- | -------------------------------------------- | | 9B Dense | 稠密模型 | Qwen 3.5 | 單張消費級 GPU、筆電本地跑 | | 31B Dense | 稠密模型 | Gemma 4 | （官方宣稱但社群反映權重一度未上架） | | 35B MoE | 混合專家 | Qwen 3.5 | 效能/資源平衡點，每個 token 只啟動約 3B 參數 | | 397B MoE | 混合專家 | Qwen 3.5 | 旗艦版，需 8 張 80GB GPU 級別的部署 | 所有版本的 context window 都是 262,144（約 26 萬）tokens，回覆時會先產生一段 `<think>...</think>` 的思考過程，再給最終答案，並且能發出結構化的工具呼叫（tool call）。 ### 三、核心創新：「自我學習」到底在學什麼 這是最容易被誤解的地方，先講結論：**Ornith 的「自我學習」發生在訓練階段，不是你使用時它會邊用邊變聰明。你下載到的權重是固定的，跟其他 LLM 一樣。** 那麼它「自我學習」的到底是什麼？答案是：**它學會了怎麼幫自己設計解題的工作流程（scaffold）**，這個技術被稱為 **Self-Scaffolding（自我搭建鷹架）**。 #### 3.1 先理解問題：傳統做法的侷限 一般要讓 LLM 去做 agentic coding，工程師會先手動寫一套固定流程（scaffold / harness），大概長這樣： 拿到任務 → 產生程式碼 → 執行測試 → 如果失敗就重試 → 回傳答案 這套流程對所有任務都是同一套。問題是：不同類型的任務其實需要不同的做事方式。修一個小 bug 跟重構一個大型系統，該做的步驟、該記住的資訊、該重試幾次，理論上都不一樣。但傳統做法裡這套流程是寫死的，模型只能在這個框架裡填空,而流程本身要靠人工不斷調整。 #### 3.2 Self-Scaffolding 的做法 Ornith 訓練時，把「流程本身」也變成模型可以學習、可以自己產生的東西。具體來說，每一輪強化學習（RL）分成兩個階段： **第一階段**：模型看到「這個任務」加上「上一次用過的流程」，先產生一個改良版的流程（scaffold）——包括要推理幾步、什麼時候該呼叫工具、要怎麼組織記憶、遇到錯誤要怎麼處理、要重試幾次。 **第二階段**：模型依照剛剛自己設計的流程，實際去解這個任務，產生完整的執行過程（rollout）。 解題結果的好壞（reward）會同時回饋給這兩個階段——不只教模型「這題該怎麼解」，也教它「用什麼樣的做事方法容易解出來」。訓練反覆進行下去，好的流程設計會被保留、效果差的會被淘汰，不同類型任務會自然演化出不同的應對策略，不再需要工程師手動硬寫規則。 打個比方（若你想跳過比喻可略過本句）：這比較像是模型在訓練過程中一邊做題目、一邊自己整理出「不同題型該怎麼準備」的方法論，而不是死記一套固定的解題公式。 #### 3.3 防止「作弊」的三道防線 自己設計流程有個風險：模型可能學會用取巧的方式騙過驗證機制，而不是真的解決問題（例如偷看測試檔案內容、直接抄答案）。DeepReinforce 過去在其他專案（CUDA-L1）就真的遇過模型學會作弊，所以 Ornith 設計了三層防護： 1. **固定的外層邊界**：環境、工具介面、測試隔離機制都是模型碰不到、改不了的，模型只能設計「內層」的流程邏輯。 2. **自動化監控器**：偵測讀取隱藏檔案、竄改驗證腳本等行為，一旦發現，該次訓練直接判定失敗，不算分。 3. **獨立的 AI 評審**：作為最後一道把關,抓取那些「表面上守規矩,但意圖上取巧」的行為。 ### 四、實際表現如何 DeepReinforce 官方公布的測試分數不錯：旗艦版 397B 在 Terminal-Bench 2.1 拿到 77.5 分、SWE-Bench Verified 拿到 82.4 分，超過 Claude Opus 4.7，但仍略遜於 Claude Opus 4.8。而 35B MoE 版本則宣稱以十分之一的參數量,在部分測試上打贏了參數量更大的其他開源模型。 **但這裡要提醒一個重要保留**：這些分數目前全部是官方自己公布的，還沒有任何第三方獨立實驗室重新測出同樣的成績，模型也不在官方公開的排行榜上，也還沒有正式的技術論文可供查證。社群實測反應兩極——有人稱讚它能穩定地連續呼叫工具完成任務，也有人反映長時間使用會陷入重複迴圈、或在沒有工具輔助的純聊天情境下容易產生幻覺（部分問題後來發現是模型部署設定檔錯誤所致，修正後表現改善不少）。 簡單說：這是一個值得關注、方向頗有原創性的開源模型,但目前的能力數字還處於「廠商自己說的」階段,拿來實際用之前,建議先在自己的專案上小規模測試看看,再決定要不要正式導入。 ### 五、如果想試用 - **9B Dense**：約 19GB（bf16），4-bit 量化後約 6GB，單張消費級 GPU 或高階筆電可跑，適合當本地離線的程式碼助手。 - **35B MoE**：多數人建議的甜蜜點,量化後約 25GB,24GB 以上顯示卡可行,實際回應速度因為 MoE 架構反而比 9B 更快。 - **397B MoE**：企業級部署等級,需要多張高階 GPU。 部署時記得確認使用正確的 chat template 與工具呼叫解析設定,官方文件建議一般使用時 temperature 設 0.6、top_p 設 0.95。 --- _本文整理自 2026 年 7 月的公開資料,包含 DeepReinforce 官方發布內容、Hugging Face model card、以及社群實測討論(如 Simon Willison 部落格、Hacker News 討論串)。由於模型發布時間較新,部分細節與效能數字仍待更多第三方驗證,建議持續關注後續是否有獨立複現結果與正式論文釋出。_ ### 資料來源 - DeepReinforce 官方發布文章:Ornith-1.0: Self-Scaffolding LLMs for Agentic Coding https://deep-reinforce.com/ornith_1_0.html - Ornith 官方網站 https://ornith.site/ - Ornith 官方 FAQ https://ornith.site/faq/ - Ornith 官方 Benchmark 頁面 https://ornith.site/benchmarks/ - Hugging Face 模型頁(9B) https://huggingface.co/deepreinforce-ai/Ornith-1.0-9B - Hugging Face 模型頁(397B-FP8) https://huggingface.co/deepreinforce-ai/Ornith-1.0-397B-FP8 - GitHub Repo https://github.com/deepreinforce-ai/Ornith-1 - Simon Willison 部落格實測心得(2026/6/29) https://simonwillison.net/2026/Jun/29/ornith/ - MarkTechPost 技術報導:DeepReinforce Releases Ornith-1.0 https://www.marktechpost.com/2026/06/25/deepreinforce-releases-ornith-1-0-an-open-source-coding-model-family-that-learns-its-own-rl-scaffolds/ - Tech Times 報導:Open-Source Coding Model Ornith-1.0 Writes Its Own Training Scaffold https://www.techtimes.com/articles/319122/20260626/open-source-coding-model-ornith-10-writes-its-own-training-scaffold-reinforcement-learning.htm - CodeConductor 深度解析:Self-Scaffolding LLMs Are Rewriting Agentic Coding https://codeconductor.ai/blog/self-scaffolding-ai-models-ornith-1-0/ - rotecodefraktion 部落格:When the Model Writes Its Own Scaffold https://www.rotecodefraktion.de/en/blog/ornith-1-0-self-scaffolding/ - essamamdani 部落格:The Self-Scaffolding LLM That Teaches Itself to Code Better https://essamamdani.com/blog/ornith-1-0-self-scaffolding-llm-coding-2026 - DeepReinforce 前作 CUDA-L1 論文(作弊問題的背景脈絡): https://arxiv.org/abs/2507.14111 - DeepReinforce 前作 GrandCode 論文: https://arxiv.org/abs/2604.02721 - SWE-Bench Verified 可信度討論延伸閱讀: - SWE-ABS(arXiv:2603.00520)、Are "Solved Issues" in SWE-bench Really Solved Correctly?(arXiv:2503.15223)

#科技週刊

第二十九期

2026-04-11

## 一. 記憶體大跳水！Google 殺手級演算法「TurboQuant」降臨，AI 圈與硬體廠全慌了？ 作者:阿棋 ![圖片](/posts/29/1.png) [圖片來源](https://image-cdn.learnin.tw/bnextmedia/image/album/2018-03/img-1521630217-28091.jpg?w=900&output=webp) 最近科技圈和投資群組裡最炸裂的話題，絕對是 Google 突然拋出的神級演算法-TurboQuant。 這東西一出來，不只 AI 開發者嗨翻天，更直接在硬體市場投下了一顆震撼彈。 最顯著的連鎖反應是什麼？記憶體面臨史詩級的掉價危機與拋售潮。美光（Micron）、威騰（WD）、SK海力士等記憶體大廠的股價瞬間軟腳，市場恐慌情緒蔓延。今天就來用白話文聊聊，這個看似只是「軟體更新」的技術，到底為什麼會讓記憶體價格跳水？除了硬體廠哀嚎，它對我們還有什麼影響？ ### 首當其衝：為什麼記憶體會瘋狂「掉價」？ 要理解記憶體的恐慌，我們得先算一筆帳。 過去兩年，AI 伺服器之所以貴到翻天，很大一部分是因為需要極度龐大且昂貴的記憶體（特別是 HBM 和高階 DRAM）來暫存 AI 的「短期記憶」（也就是所謂的 KV Cache）。為了讓 AI 記住超長篇的對話，硬體廠拚命擴產記憶體，價格也被越炒越高。 #### 但 TurboQuant 的出現，直接把這個剛性需求「打骨折」。 根據 Google 釋出的數據與實測，TurboQuant 透過極致的數學壓縮魔法，能將模型所需的記憶體空間直接縮小 6 倍！這意味著什麼？ #### 伺服器廠不急著拉貨了： 原本需要插滿 6 條高階記憶體才能跑的 AI 任務，現在靠軟體優化，1 條就能搞定。 #### 供需瞬間反轉： 當單一 AI 模型對記憶體的需求驟降，市場立刻預期未來的 DRAM 和 HBM 會出現「供過於求」的慘況。 #### 定價權崩盤： 買方（如微軟、Meta 等雲端巨頭）發現靠軟體就能省下巨額硬體成本，自然會大砍對記憶體廠的採購預算與價格。 這就是為什麼 TurboQuant 一發布，華爾街資金立刻撤出記憶體板塊，引發股價大跳水，甚至連帶讓現貨市場的記憶體報價面臨沉重的下行壓力。 ### 到底什麼是 TurboQuant？它有多神？ 簡單來說，TurboQuant 是一種「無損壓縮」的極致展現。 以往我們壓縮圖片或影片，畫質多多少少會變差（失真）。但 TurboQuant 最變態的地方在於，它透過高維度的「向量量化」技術，把原本肥大的 AI 記憶資料壓縮到只剩 3.5-bit，但 AI 回答的聰明程度、精準度卻幾乎「零損失」！ 而且，因為資料變小了，晶片在搬運資料時的負擔大減，導致運算速度直接暴增最高達 8 倍。這等於是幫現有的 AI 伺服器免費上了個超級渦輪。 ### 除了記憶體掉價，這技術還帶來哪些「核彈級影響」？ 如果你以為 TurboQuant 只是個「記憶體殺手」，那就太小看 Google 了。這項技術的漣漪效應，將徹底改變未來的科技版圖： #### 1. 手機與 PC 的「本地 AI」迎來大爆發 (Edge AI) 以前要在手機或筆電上跑強大的 AI，動輒需要 16GB 甚至 32GB 的 RAM，一般設備根本吃不消。現在記憶體需求砍了 6 倍，意味著就算是你口袋裡那支普通規格的手機，也能流暢運行極度聰明的大型語言模型。未來的 AI 將不再依賴雲端，斷網也能幫你寫報告、做翻譯。 #### 2. 軟體工程師的逆襲：「算力戰」進入下半場 過去這幾年，AI 發展幾乎是被 NVIDIA 的 GPU 和台積電的先進製程牽著鼻子走「硬體有多強，AI 就有多聰明」。但 TurboQuant 證明了，透過「極致的軟體演算法優化」，一樣能榨出好幾倍的效能。這將帶動一波演算法創新的熱潮，打破硬體廠獨大的局面。 #### 3. 傑文斯悖論：超級模型準備誕生 雖然短期內記憶體需求看跌，但長遠來看，當「記憶體容量」不再是限制時，那些瘋狂的 AI 科學家們會怎麼做？當然是開發更大、更複雜、吃更多資料的「超級 AI 模型」！ 等到這些巨無霸模型問世，最終還是會把省下來的記憶體空間給吃光光。這也就是經濟學中的「傑文斯悖論」效率提高反而會帶來更大的總需求。 參考資料: 鉅亨網《[顛覆記憶體需求！TurboQuant引爆Google版DeepSeek時刻](https://news.cnyes.com/news/id/6397280)》 商業周刊《[讓記憶體股價嚇趴，Google TurboQuant演算法是什麼？](https://www.businessweekly.com.tw/business/blog/3021036)》 ## 二. iOS 26新功能介紹 作者:游錐 隨著 Apple 持續推進 iOS 26 系列更新，近期釋出的 iOS 26.5 測試版本也開始受到外界關注。根據目前可查到的資訊，iOS 26.5 目前仍屬於測試階段，並非正式全面推送的一般穩定版。Apple 在 2026 年 3 月 30 日先向開發者釋出 iOS 26.5 beta 1，版本號為 23F5043g，之後又在 4 月 3 日推出修正版 beta 1（v2），版本號為 23F5043k，同一天也開放了首個公開測試版，代表這次更新已進入更廣泛的測試流程。 從現階段曝光的內容來看，iOS 26.5 並不是一次大幅翻新的系統更新，而更像是針對既有功能持續補強、微調與試驗新特性的版本。其中一項較受注意的變化，是 Apple Maps 可能加入名為「Suggested Places」的新功能。從字面判斷，這項功能很可能與地點推薦、常用位置提示或更智慧的導航建議有關，顯示 Apple 仍持續強化地圖服務，希望讓使用者在日常通勤、搜尋地點與行程安排上獲得更即時的協助。 另一個引發討論的重點，是 RCS 訊息功能的端對端加密支援再次出現在測試中。RCS 一直被視為傳統簡訊與即時通訊服務之間的重要橋梁，若 Apple 最終在 iOS 26.5 或後續版本中正式強化 RCS 安全性，將有助於提升跨平台通訊時的隱私保護，也能讓 iPhone 與其他裝置之間的訊息傳遷體驗更加完整。對重視資安與隱私的使用者來說，這會是一項值得關注的更新方向。 ![圖片](/posts/29/2.png) 此外，歐盟地區相關功能調整也是 iOS 26.5 的觀察焦點之一。外界報導指出，Apple 可能在測試與第三方穿戴裝置或配件有關的 Live Activities 支援。這不僅反映出 Apple 持續因應不同市場的法規要求，也代表 iPhone 與外部裝置的整合彈性可能進一步提高。若這類功能最終正式落地，未來使用者在健康裝置、運動配件或即時通知場景中的互動方式，可能會變得更加多元。 在 App Store 與訂閱機制方面，也有跡象顯示 Apple 正測試更有彈性的付款模式，例如以月付方式承擔年度訂閱承諾。這樣的設計若成真，對使用者而言將更容易降低一次性付費的壓力，同時也可能成為開發者在設計訂閱方案時的新選項。這類調整雖然不像介面改版那樣直觀，卻往往會對整體數位服務生態帶來長遠影響。 至於不少人關心的 Siri，目前從已知資訊來看，iOS 26.5 尚未出現特別明顯的大型 Siri 升級。換句話說，這次版本的重點比較偏向功能補強、區域政策調整與系統細節優化，而不是全新的語音助理體驗。 整體而言，iOS 26.5 現階段呈現出一種「穩定推進、逐步補完」的更新節奏。它或許不是最具話題性的版本，卻很可能是 Apple 為下一階段功能鋪路的重要一步。由於目前多數資訊仍來自測試版與外部觀察，未來正式版內容仍可能調整。不過可以確定的是，Apple 仍持續透過 iOS 26.5 在地圖、通訊安全、裝置整合與訂閱體驗等面向上進行布局，值得後續持續追蹤。 參考資料 [Apple Developer Releases](https://developer.apple.com/news/releases/) [iOS & iPadOS Release Notes | Apple Developer Documentation](https://developer.apple.com/documentation/ios-ipados-release-notes?language=_1) [9to5Mac: Apple releases first iOS 26.5 public beta](https://9to5mac.com/2026/04/03/apple-releases-first-ios-26-5-public-beta/) ## 三. 2026 年全球科技態勢分析報告：當萬物皆有 AI 腦 — Edge AI 如何打造未來的智慧生態系？ 作者:main 2026 年，隨著終端使用者對自主系統、工業物聯網與創新醫療等即時應用的需求激增，傳統雲端運算在資料傳輸上的延遲瓶頸日益凸顯。人工智慧（AI）與邊緣運算的深度融合，透過將運算資源分散至網路邊緣，成為實現超低延遲與即時資料處理的完美解決方案。本次整合了人工智慧在邊緣的關鍵角色、即時資料處理決策機制，以及聯邦學習工作流程，探討當「萬物皆有 AI 腦」時，企業應如何建構未來的智慧生態系。 ### Edge AI 中人工智慧的關鍵角色與分工 人工智慧賦予了邊緣運算評估即時數據並做出在地決策的能力，降低了對雲端平台的依賴。為了讓受限的邊緣設備發揮最大效能，AI 在邊緣運算中的任務被細分為多個關鍵領域，從即時決策到模型壓縮最佳化，各司其職。 ![圖片](/posts/29/3.png) (Edge AI 中人工智慧觀測的角色圓餅圖) ### 即時資料處理的智慧分流決策 在資源受限的邊緣環境中，並非所有資料都適合在同一層級處理。智慧化的邊緣架構會根據「延遲需求」與「可用算力」來動態決定資料處理的位置。當應用程式需要毫秒級的即時回應時，AI 會指示資料留在本地邊緣設備執行；若本地算力無法負荷，系統才會將工作負載轉移到邊緣 AI 設備或卸載至雲端。 ![圖片](/posts/29/4.png) (即時資料處理決策流程圖) ### 聯邦學習（Federated Learning）工作流程與隱私防護 為了讓萬物皆有 AI 腦，系統必須具備持續學習的能力，但又不能犧牲隱私安全。透過「聯邦學習」技術，各個邊緣設備可以直接在本地端利用收集到的原始資料訓練模型。訓練完成後，設備僅將「模型參數更新」傳送給聚合伺服器（Aggregation Server），從根本上杜絕了機敏資料外洩的風險，並大幅降低網路傳輸頻寬。 ![圖片](/posts/29/5.png) Edge AI 中的聯邦學習工作流程圖 ### 總結 面對未來，Edge AI 已成為推動超低延遲雲端工作負載與實體世界運作的基石。從 AI 在邊緣端扮演的多重觀測與最佳化角色，到精密計算延遲與算力的決策分流機制，再到徹底保障隱私的聯邦學習架構，這些技術共同勾勒出一個去中心化、即時且安全的智慧化未來。企業必須將這套智慧生態系架構納入核心戰略，才能在 AI 無所不在的時代中搶佔先機。 參考資料 [Building an Edge AI Ecosystem ](https://www.wevolver.com/article/2025-edge-ai-technology-report/building-an-edge-ai-ecosystem) [Optimizing edge computing and AI for low-latency cloud workloads ](https://ijsra.net/content/optimizing-edge-computing-and-ai-low-latency-cloud-workloads) [Edge AI（邊緣AI）是什麼？為何它是智慧城市、即時交通與隱私安全的關鍵守護者？ ](https://futurecity.cw.com.tw/article/3937?rec=i2i&from_id=859&from_index=8) [從工廠到農場：七大邊緣 AI 應用場景驅動真實世界運作 ](https://www.arm.com/zh-TW/company/news/2026/01/seven-edge-ai-use-cases-powering-real-life) [臺灣 Edge AI 發展的方向與機會：Edge AI 生態系與起手式（一） ](https://www.find.org.tw/indus_trend/browse/ebb65e783237d4358e9db20556343b46)

#科技週刊

第二十八期

2026-03-28

## 一. 用電腦養「龍蝦」? Openclaw是什麼 作者:Lhs 在前陣子，中國爆發了一陣「養龍蝦」風潮，每個人都在自己的頭像旁新增了一個龍蝦標誌，甚至有人專門砸下重金，只為了請專人在自己的電腦上「養龍蝦」 那麼問題來了，這個「龍蝦」究竟是何方神聖? ![圖片](/posts/28/1.png) (中國的養龍蝦熱潮 翻攝自網路) ### 走出對話框的AI:Openclaw 所謂的龍蝦實際上是由奧地利工程師彼得·斯坦伯格（Peter Steinberger）製作的AI:「Openclaw」，早在去年11月便已經推出。由於這款A的頭像是一隻小龍蝦，而這款AI需要培養才得以發揮其功效，因此被稱為「龍蝦」，而培養模型的過程則被稱為「養龍蝦」 Openclaw的特色在於，他能夠直接接管電腦中包括但不限於郵件寄送、社群文章撰寫與留言回復......等等多樣化的功能，根據培養的模型而定，他不在只是個困在對話框中的「工具」，而是個能夠幫你操控電腦工作的「助理」 ![圖片](/posts/28/2.png) (Openclaw開發者 彼得·斯坦伯格 翻攝自網路) ### 從「被動」走向「主動」 使用龍蝦究竟能帶來哪些幫助?為何那麼多人搶著安裝?實際上，只要模型訓練得夠好，這位AI助手能做到的事情包括但不限於以下幾項: 1.日常辦公自動化： 能夠幫忙收發電子郵件、清空收件匣、整理文件與資料、排程會議，甚至能將會議錄音整理成摘要並自動寄送給老闆2.個人生活助理： 能夠協助訂機票、預訂飯店、辦理航班報到、規劃旅行行程，以及管理待辦事項與提醒3.資料處理與主動回報： 能搜尋網路資訊、分析文件內容並建立知識庫。透過設定「心跳機制」，它還能主動定期檢查電郵或閱讀新聞，再向使用者回報重要資訊4.社群與內容經營： 可以撰寫文章、自動發布社群貼文，以及回覆留言5.自主學習與記憶累積： 具備名為「Soul.md」的架構（靈魂學習），可以累積對話內容、建立長期記憶，甚至透過與其他 AI 代理討論來學習新知識。 透過以上功能不難發現，Openclaw能辦的事情包山包海，如果權限在給多一些，運用層面再更廣一點，這位助手甚至能包辦使用者的生活。 但也因為功能與權限過廣，風險也隨之而生。 ![圖片](/posts/28/3.png) (龍蝦的功能與隱患 由noteookLM協助整理生成) ### 便利背後帶來的隱患 據專家研究，Openclaw的實際技能目前仍需改良，並且據研究發現，龍蝦不僅會受到提示詞攻擊，更甚至因為信任權限模糊而導致越權等行為，最嚴重更可能導致重要機密資訊被刪除，甚至外洩，中國官方也在前陣子發布安全警訊，各位讀者如果想要嘗試的話，還請多加注意 資料來源: [iThome](https://www.ithome.com.tw/news/174114) [全球爆紅的 OpenClaw，究竟是神藥還是鬧劇？ ](https://youtu.be/qCZGEJoULCo?si=BckczjPLHjYfmGOe) [科技新報](https://finance.technews.tw/2026/03/14/2026-ai-agentic-boom/) [BBC中文](https://www.bbc.com/zhongwen/articles/c93wvdn91kxo/trad) [紐約時報中文網](https://cn.nytimes.com/world/20260318/china-ai-agent/zh-hant/) ## 二. AI 的未來在哪裡？輝達 GTC 重點摘要 作者:YD 本週科技圈最熱的話題，莫過於 2026 NVIDIA GTC 大會了！執行長黃仁勳在長達兩個半小時的主題演講中，不僅再次讓全球見識到「AI 教父」的魅力，更宣告 AI 正式告別訓練階段與參數疊加，邁入真實環境應用的「推論時代（Inference Era）」。 ![圖片](/posts/28/4.png) ### 兆元商機不是夢：AI 進入推論時代 黃仁勳在會上霸氣預測，到 2027 年，AI 基礎設施相關的需求將達到 1 兆美元，這整整比去年預估的數字翻了一倍。這股底氣來自於 AI 重心的轉移：現在的 AI 不再只是坐著「讀書（訓練）」，而是 24 小時在真實世界執行決策的「生產力核心」。黃仁勳更巧妙地把 AI 產業比喻成「五層蛋糕」，從最底層的能源、晶片、基礎設施，到上層的模型與應用，每一層都蘊藏巨大的商業潛力。 ### 最強戰力登場：Vera Rubin 與「養龍蝦」熱潮 #### 全新架構 這次大會的硬體主秀非 Vera Rubin 架構 莫屬。這套系統採用台積電先進製程與 HBM4 記憶體，運算效能較前代大幅躍進，每瓦效能提升達 35 倍 。 其中最重要的莫 Groq 所屬。去年底聖誕節前後輝達丟下震撼彈，宣布以 200 億收購 AI 推理晶片公司 Groq，創下輝達史上最高的收購交易。但值得注意的是也許是為了規避反壟斷調查或其他原因，這筆交易是以技術收購和公司人員轉移的方式進行，也意味著 Groq 這間公司仍然存在於世界上。 Groq 公司的 LPU （語言處理單元 Language Processing Unit）是專為語言模型打造的推論晶片，其特殊的設計使其能夠使用較低的成本、極低的延遲、較少的功耗完成相同的任務，這是過去輝達生態系所缺乏的。這次大會馬上就推出基於 LPU 3 所打造的機櫃 Groq 3 LPX，展現了公司高度的整合效率。 ![圖片](/posts/28/5.png) #### 軟體生態 但最有趣的莫過於軟體生態，近期爆紅的個人 AI 助手 OpenClaw 因為標誌是一隻龍蝦，網友戲稱為「養龍蝦」；輝達順勢推出了企業版的 NemoClaw，讓公司行號也能安全、快速地部署具備自主行動能力的「AI 代理人（Agentic AI）」。 ### 實體 AI 動起來：雪寶機器人與自駕車 #### 機器人 AI 不只活在電腦裡，這次連迪士尼的 雪寶（Olaf）機器人 都現身與老黃互動，驚豔全場！這代表物理 AI（Physical AI）技術已趨成熟，未來將廣泛應用於工廠、家庭甚至太空資料中心。 #### 自動駕駛 在交通方面，黃仁勳也宣佈與比亞迪、日產、吉利等大廠合作，並預計與 Uber 在多個城市部署 L4 等級的自動駕駛車隊，直言「自動駕駛的 ChatGPT 時刻已經到來」。 回顧一年多前的台北國際電腦展黃仁勳向大家介紹 Omniverse，再到今天雪寶機器人走上台和大家互動，我們一同見證了科技高速發展。歡迎回顧[科技週刊第四期](https://news.codecat.tw/4)，比對看看一年多時間的發展。從效能逆天的晶片、全民瘋傳的「養龍蝦」代理平台，到走路超萌的雪寶，2026 GTC 告訴我們：AI 的未來不再是遙不可及的科幻片，它已經全面滲透到我們的工廠、街道，甚至是太空之中。 資料來源: [NVIDIA GTC Keynote 2026](https://www.youtube.com/watch?v=jw_o0xr8MWU) [https://news.codecat.tw/4](https://news.codecat.tw/4) ## 三. AI 思維的革命：從「逐字打字」到「全局精煉」——Diffusion Language Model 的崛起 文/Ke.H 想像一下：傳統大型語言模型（LLM）像一台精密的打字機，一個字接一個字地輸出，每一步都嚴格依賴前一個字的決定。若中途選錯，便無法回頭，只能硬著頭皮繼續前進。這是我們熟悉的 AI「思維方式」——線性、因果、不可逆。 如今，一種全新的 AI 思維模式正在悄然興起。它不逐字敲擊鍵盤，而是從一團模糊的「噪聲」開始，像一位經驗豐富的畫家或編輯，反覆審視整份草稿，同時調整數百個細節，最終精煉出一篇連貫、精準的作品。這就是 Diffusion Language Model（擴散語言模型，簡稱 DLM）。 這種「全局迭代思維」不僅打破了自回歸（Autoregressive, AR）模型長達十年的主導地位，更在 2026 年初以 Mercury 2 的商業落地為標誌，宣告 AI 生成範式進入全新時代。它讓我們重新思考：AI 的「思考」究竟可以有多樣？本文將深入淺出地比較兩者原理、剖析技術變革，並探討這場思維革命對產業與未來的深遠影響。 ### 傳統 AR 模型的「打字機思維」：線性因果的極致 自 2017 年 Transformer 架構問世以來，主流 LLM（如 GPT 系列、LLaMA、Claude）幾乎都採用自回歸生成方式。其核心原理極為直觀： 模型學習的目標是 p (x) = ∏ p (xi | x<i) ——即根據已生成的前文，逐一預測下一個 token。訓練時使用 next-token prediction，推論時則嚴格左到右展開。 這種思維方式的優點顯而易見： 訓練穩定、scaling law 清晰、生態成熟。 它讓 AI 學會了「預測未來」的線性邏輯，成就了今日的 ChatGPT 奇蹟。 然而，限制同樣深刻： #### 延遲累積： 生成長文或多步推理時，Time to First Token（TTFT）與整體 throughput 受限。即使有 speculative decoding 等優化，典型速度仍僅 50–200 tokens/s。 #### 錯誤不可逆： 早期 token 一旦選錯，整段輸出便偏離軌道。模型無法「回頭修正」，猶如打字機卡紙。 #### 單向上下文： 僅能關注前文，難以全局規劃，導致 reversal curse（反向推理困難）等頑疾。 這正是傳統 AI 的「思維局限」——它像流水線工人，只能一步步向前，無法同時審視全貌。 ### Diffusion 的起源：從圖像噪聲到語言精煉 擴散模型的根源可追溯至 2015 年 Sohl-Dickstein 等人的熱力學模擬研究。2020 年 Ho 等提出 Denoising Diffusion Probabilistic Models（DDPM）後，在圖像領域爆發：Stable Diffusion、DALL·E 2、Midjourney 讓人人成為藝術家。 其本質是模擬「加噪與去噪」的物理過程： #### 前向過程： 逐步加入高斯噪聲（或離散遮罩），讓乾淨數據逐漸變成純噪聲。 #### 反向過程：模型學習從噪聲中逐步恢復原始數據。 這套機制在連續數據（如像素）上大放異彩。2022 年起，研究者開始將其遷移至離散的語言領域，誕生了 Diffusion Language Model。 與 AR 不同，DLM 的核心創新在於並行精煉（parallel refinement）。它不預測「下一個字」，而是從全遮罩（或純噪聲）序列開始，透過少量迭代步驟（通常 4–8 步），同時預測並修正多個 token。數學上，這對應離散 masked diffusion： #### 前向： 以機率 t 隨機遮罩 token，直至 t=1 時全遮罩。 #### 反向： 模型 pθ(x{t-1} | x_t) 同時預測所有被遮罩位置，逐步 unmask 並優化。 這種「粗到細」的全局迭代，讓模型擁有雙向上下文與自我修正能力——正是人類寫作或思考時的真實過程：先有大綱，再反覆潤飾。 ### 技術變革的核心對比：兩種 AI 思維的碰撞 為便於理解，以下表格直觀比較兩者： ![圖片](/posts/28/6.png) DLM 保留 Transformer backbone，卻徹底改變訓練與推論目標。這不是小修小補，而是架構級革新：AR 優化「預測」，DLM 優化「重建」。結果是，它在資料受限情境下效率更高，並天然解決 reversal curse 等 AR 頑疾。 ### 商業實證：Mercury 2 的「思考式擴散」革命 ![圖片](/posts/28/7.png) (圖片來源：[https://www.inceptionlabs.ai/blog/introducing-mercury-2](https://www.inceptionlabs.ai/blog/introducing-mercury-2)) 2026 年 2 月，Inception Labs 推出的 Mercury 2 將 DLM 推向生產級高峰。它是全球首款具備可調「推理等級」（Instant / Low / Medium / High）的 reasoning diffusion LLM。 其創新在於： #### 並行精煉引擎： 從噪聲開始，少量步驟內同時生成與修正多 token，GPU 利用率大幅提升。 #### 內建思考機制： 高推理模式下，先在 latent space 完成 Chain-of-Thought，再輸出。TTFT 雖略長（約 4–5 秒），但整體端到端延遲仍遠低於傳統 reasoning 模式。 #### 實測表現： throughput 達 1000+ tokens/s（Blackwell GPU），品質與 Claude 4.5 Haiku、GPT-5.2 Mini 相當；在 AIME 2025 等基準上取得 91.1 分。定價僅輸入 $0.25/M、輸出 $0.75/M tokens。 Mercury 2 的成功證明： 擴散思維不僅更快，還能讓「高智能」與「即時性」並存。它已支援 128 K 上下文、原生 tool use 與 RAG，在語音客服、程式碼迭代、多跳代理等 agentic 場景中展現壓倒性優勢。 ### 更深層的思維啟示與未來展望 這場革命的意義遠超速度提升。它讓我們看見 AI 可以擁有「不同思維方式」： #### AR 像嚴謹的邏輯學家，步步為營。 #### DLM 像直覺的藝術家，全局洞察後反覆打磨。 兩者互補，或許未來會出現混合架構（Block Diffusion 等），讓 AI 同時具備線性精準與全局靈活。隨著 LLaDA 系列從零預訓練到百億參數，以及多模態擴散的進展，DLM 正加速進入視覺-語言-動作統一生成領域。 對產業而言，這意味著即時語音代理、低延遲 coding 工具、高併發 RAG 系統的成本與體驗將大幅躍升。對研究者而言，它開啟了探索「AI 認知多樣性」的新大門：或許下一個突破，不再是更大模型，而是更像人類的多維思維。 當你下次與 AI 對話時，不妨問問自己：它此刻是在「打字」，還是「畫畫」？Diffusion Language Model 的崛起提醒我們——AI 的思維革命，才剛剛開始。 （本文參考《A Survey on Diffusion Language Models》（arXiv: 2508.10875）及 Inception Labs 官方發布資料，撰寫於 2026 年 3 月。歡迎讀者前往 Mercury 2 playground 親身體驗這場思維躍進。） 資料來源 ： [A Survey on Diffusion Language Models (arXiv: 2508.10875) ](https://arxiv.org/abs/2508.10875) [Inception Labs 官方部落格 - Introducing Mercury 2 ](https://www.inceptionlabs.ai/blog/introducing-mercury-2) [Inception Labs 官方網站 - Mercury 2 Playground ](https://chat.inceptionlabs.ai/) [Inception Labs 官方平台/API 入口 ](https://platform.inceptionlabs.ai/)

#科技週刊

第二十七期

2026-03-14

## 一. iPhone 17e推出 搶先看 作者：游錐 在智慧型手機市場愈來愈飽和的 2026 年，真正能打動消費者的，往往不再是「規格衝到最高」，而是「花得合理、用得長久」。iPhone 17e 正是 Apple 針對這個需求提出的答案。它沒有把自己包裝成旗艦替代品，而是用更務實的方式，把日常最常用、最有感的體驗一次補齊：6.1 吋 Super Retina XDR、A19 晶片、4800 萬像素 Fusion 相機、MagSafe，以及 256GB 起始容量。這些配置背後的邏輯很清楚，目標不是炫技，而是讓使用者在未來三到五年內，仍能維持穩定順暢的主力使用體驗。 ![圖片](/posts/27/1.png) (iPhone 17e的展示照) 從價格來看，iPhone 17e 在台灣 256GB 起跳為 NT$21,900，美國起價 US$599。這個區間顯示它並非「最低門檻」機種，而是中階偏上的耐用型定位。Apple 的策略是把過去常見的中長期痛點往前解決，例如容量焦慮、配件相容性與換機週期過短。對仍在使用 iPhone 11 到 iPhone 13 的族群來說，17e 的吸引力不只來自效能升級，更來自整體使用摩擦的下降；你不一定會在第一天就感受到天差地遠，但在半年、一年後，差距通常會出現在穩定度與便利性上。 若把 iPhone 17e 放進同級、不同品牌比較，最常被拿來對照的會是 Google Pixel 9a 與 Samsung Galaxy S24 FE。Pixel 9a 的優勢在更低入手門檻與 Google AI 原生整合，適合預算優先、同時高度依賴 Google 服務的使用者；S24 FE 則走大螢幕全能路線，對影音娛樂與遊戲族群更有吸引力。相較之下，iPhone 17e 的強項不在單點規格壓制，而在 Apple 生態系的一致性與長期穩定性：軟硬整合、配件成熟度、跨裝置協作與保值預期，共同構成它的核心競爭力。 因此，iPhone 17e 的關鍵客群其實非常明確：不追求旗艦極限，但重視手機作為「每天都要可靠運作的工具」的人。若你的優先順序是最低價格，Pixel 9a 可能更適合；若你偏好大螢幕與 Android 彈性，S24 FE 會更對位；但若你在意的是整體體驗是否穩、是否省心、是否能撐久，iPhone 17e 仍是同級市場裡最平衡的選擇之一。回到消費決策本質，選手機從來不只是買一張規格表，而是選擇接下來幾年你要依賴的生活系統；而 iPhone 17e 的價值，就在它把這件事做得務實而完整。 ## 二. 蘋果史上最狂「價格破壞者」：兩萬的 MacBook Neo 真的值得買嗎？ 作者：阿棋 ![圖片](/posts/27/2.png) (圖片來源:蘋果官網) 長期以來，進入蘋果生態系的代價不菲，「預算焦慮」一直是許多大學新鮮人或小資族群在選購筆電時的隱痛。面對動輒三、四萬元起跳的 MacBook Air，不少人被迫在「分期付款」與「低規 PC」之間徘徊。 然而，蘋果官網近期無預警上架的新品 MacBook Neo ，徹底打破了這個僵局。其定價甚至低於多數新款 iPhone。這究竟是蘋果終於聽見了平民的心聲，還是一個精準設計的規格陷阱？我認為這台筆電的出現，標誌著蘋果商業策略的一次重大轉向。 MacBook Neo 最令人驚訝的莫過於其硬體底層的邏輯翻轉：它並未搭載 Mac 專屬的 M 系列晶片，而是直接採用了 iPhone 16 Pro 同款的 A18 Pro 處理器。關於效能表現，蘋果在官方數據中給出了明確的對比：「與搭載最新 Intel Core Ultra 5 晶片的熱銷 PC 相比，處理網頁瀏覽等日常任務的速度最快可達 50%，執行套用進階照片效果等裝置端 AI 工作任務的速度最快可達三倍。」A18 Pro 雖非為了重度渲染而生，但其 NPU 的算力足以支撐 Apple Intelligence 的日常運作。 ![圖片](/posts/27/3.png) (圖片來源:蘋果官網) 這顆晶片的背後是蘋果的「AI 普及陽謀」：透過將 8GB 記憶體定為最低規格地板，蘋果確保了這台平價筆電不只是「文書機」，而是進入 AI 未來生活的「門票」。對絕大多數只需瀏覽網頁、處理報告的使用者來說，這顆心臟的效能早已溢出。 不到兩萬元的售價，代價是極為精準且甚至有些殘酷的「規格削減」。在極致性價比的糖衣下，讀者必須看清這些可能影響日常體驗的「隱形遺憾」： ### 復古的「無劉海」與厚邊框設計 與現代 MacBook Air 的輕薄外型不同，Neo 移除了螢幕上方的「瀏海」切口。雖讓螢幕視覺更為完整，但代價是回歸了較厚的頂部與側邊框，視覺上帶有一種「SE 時代」的厚重感與過時感。 ### 傳統機械式觸控板 這是一個極易被忽略的細節。Neo 捨棄了高階 Mac 標配的 Force Touch 觸控板，改回傳統的機械式按壓設計。對於習慣了蘋果那種「處處可點擊」之高級手感的用戶來說，Neo 的操作反饋將會顯得相對廉價。 ### 消失的鍵盤背光與Touch ID 為了壓低售價，Neo 移除了鍵盤背光。更重要的是，入門版本並不具備 Touch ID 指紋辨識，你必須升級到 512GB 版本才能擁有這項現代標配。 MacBook Neo 的誕生，並非蘋果變得慷慨，而是一場計算精密的商業佈局。它用不到兩萬元的門票，誘使更多人進入 Apple Intelligence 的世界，並透過極端的功能削減，讓追求更高品質體驗的用戶自動往三、四萬元的機型靠攏。當筆電進入「平價時代」，我們對電腦的定義正從「生產力工具」轉向「AI 載具」。最後，我想留下一個問題供各位反思：「你願意為了 NT$ 19,900 的門票，接受一個沒有背光鍵盤、機械式觸控板，且處處存在 USB 2.0 瓶頸的蘋果夢嗎？」 資料來源: [1.MacBook Neo免2萬！台灣預購時間？比iPhone還便宜的蘋果筆電少了什麼？規格價格、實測報告 ](https://www.businesstoday.com.tw/article/category/183015/post/202603050001/) [2.MacBook Neo 價格吸引人又好入手，但有 7 點硬傷確定能接受再下單 ](https://applealmond.com/posts/306236) [3.蘋果官網 MacBook Neo 介紹 ](https://www.apple.com/tw/macbook-neo/) ## 三. 雲端不再無形！伊朗無人機炸毀 AWS 機房，揭開數位基建的「物理死穴」 作者：main 2026 年 3 月，全球科技產業與地緣政治見證了一個歷史性的轉折點。針對美國與以色列的聯合空襲，伊朗展開報復行動，其無人機直接擊中了 Amazon Web Services（AWS）位於阿拉伯聯合大公國與巴林的資料中心。這一刻徹底打破了科技界對「雲端」無形、飄浮且不受物理限制的傳統認知。資料中心不再只是單純的商業基建，而是正式成為現代混合戰（Hybrid Warfare）中的合法戰略目標，其脆弱的物理現實也隨之曝光。 ### 一、 事件核心：雲端「肉身」的脆弱性與攻擊紀實 過去雲端服務商的風險模型涵蓋了停電、天災與網路攻擊，卻從未將「軍事打擊」納入考量。這次攻擊事件揭露了雲端運算在實體戰爭中的致命弱點。 #### 無人機直擊可用區域（AZ）： 在 2026 年 3 月 1 日至 2 日的攻擊中，AWS 位於阿聯的三個可用區中有兩個被無人機直接擊中引發火災，而巴林的一座設施也因附近爆炸受到物理衝擊。結構性損壞、電力中斷以及消防系統造成的水損，導致了包括 S3 物件儲存、EC2 虛擬伺服器在內的九項核心服務癱瘓。 #### 傳統冗餘架構的失效： AWS 的雲端架構建立在單一「可用區」故障不會波及其他區域的物理隔離假設上，主要用來防範硬體或電力故障。然而，這種架構並未設計來抵禦同一地理區域內多個可用區同時遭受協同軍事打擊的情況。當飛彈與無人機將資料中心視為具體的物理座標時，傳統的冗餘備份邏輯瞬間失效。 ![圖片](/posts/27/4.png) ### 二、 骨牌效應：數位經濟與 AI 樞紐的現實衝擊 雲端基礎設施的物理損壞，迅速在依賴其算力的數位經濟與民生服務中引發連鎖反應。 #### 金融與民生服務大規模停擺： 攻擊發生後數小時內，阿聯與巴林的消費及企業服務出現大範圍中斷。包含阿布達比商業銀行（ADCB）、Emirates NBD 的數位銀行服務，以及支付平台 Hubpay、外送巨頭 Careem 都面臨了當機或連線異常。這凸顯了現代金融系統對單一雲端叢集的高度依賴，任何停機都會直接威脅公眾信任與市場流動性。 #### 中東 AI 發展夢想面臨檢驗： 中東地區正斥資數十億美元打造全球 AI 與雲端運算樞紐，單單 AWS 就承諾投資超過 100 億美元。然而，無人機攻擊讓這些國家的兆元級 AI 轉型願景遭遇地緣政治的現實打擊。企業與投資者開始意識到，將關鍵算力集中於衝突熱區的「戰爭風險溢價」已無法忽視。 ![圖片](/posts/27/5.png) ### 三、 產業重塑：從集中擴張到「物理強化」的防禦戰略 面對全新的生存威脅，全球雲端基礎設施的設計與部署邏輯正在發生根本性的改變。 #### 多雲與分散式架構的剛性需求： 雲端運算過去極度仰賴「規模經濟」，造就了巨大卻容易成為攻擊靶心的高價值超大型資料中心。為了分散風險，未來的架構將轉向去中心化與邊緣運算，企業被強烈建議採用多雲（Multi-cloud）與多區域（Multi-region）的部署策略，確保關鍵工作負載能在衝突發生時無縫轉移。 #### 軍事化級別的實體防護： 科技巨頭無法再僅靠圍牆與監視器保護資料中心。未來的防護策略將轉向「軍事化」，包括升級防爆建築設計、建置地下化冷卻與電力系統，甚至是部署反無人機雷達，並與國防承包商合作來保護基礎設施。 ### 四、 政策與生態：國家級數位主權與基礎設施防衛 這場攻擊促使各國政府重新審視數位基礎設施在國家安全中的地位。 #### 重新定義關鍵國家基建： 政府不能再將資料中心視為一般的商業房地產，必須將其提升至與港口、機場同等的「關鍵國家基礎設施」層級，並提供明確的軍事防空保護傘。 #### 數位避風港與主權雲端的崛起： 此事件加速了全球網路的碎片化，各國將更積極發展能掌控數據的「主權雲端」。同時，地緣政治穩定的地區（如北歐、新加坡等）將有機會以「數位安全避風港」的姿態，吸引尋求避險的全球資料與算力進駐。 ![圖片](/posts/27/6.png) ### 結論 2026 年中東的 AWS 遇襲事件，徹底戳破了雲端運算「堅不可摧」的虛幻神話，證明了雲端不僅有其「肉身」，且在戰火中無比脆弱。隨著科技巨頭、政府與企業重新評估地緣政治風險，未來的數位基建將不再只追求極致的運算效率與規模經濟，而是必須在物理韌性、分散架構與國家安全之間取得平衡。我們正邁入一個全新的混合戰時代——在這裡，保護伺服器機架的戰略重要性，已等同於保護油井與煉油廠。 資料來源: [科技史上首次！伊朗無人機轟炸 AWS 數據中心，當雲端基建發現生存新風險 ](https://technews.tw/2026/03/05/cloud-infrastructure-existential-risk/) [Drone Strikes on AWS: A Wake-Up Call for Cloud Resilience ](https://www.datacenterknowledge.com/physical-security/drone-strikes-on-aws-a-wake-up-call-for-cloud-resilience) [科技史上首次！伊朗無人機轟炸 AWS 數據中心，當雲端基建發現生存新風險 ](https://www.blocktempo.com/aws-data-center-drone-strike-cloud-war/) [Iran’s Drone Strikes on Data Centres Mark the Dawn of Hybrid Warfare ](https://raksha-anirveda.com/irans-drone-strikes-on-data-centres-mark-the-dawn-of-hybrid-warfare/)

#科技週刊

第二十六期

2026-02-28

## 一. Claude更新4.6版本 Opus 作者：Lhs 2月5日，Anthropic 發佈了 Claude 4.6 Opus ，並讓claude進行了全方面的進化，接下來就讓我們看看他究竟有那些升級吧 ![圖片](/posts/26/1.png) (圖片由NotebookLM協助統整生成) ### 自適應思考 (Adaptive Thinking) 這是本次最重要的推理模式變革。 機制：過去使用者需手動設定「思考預算 (budget tokens)」，現在模型能根據問題的難度，動態決定何時需要思考以及思考的深度。 控制權：開發者可透過effort參數「Low, Medium, High, Max」來調整模型的思考力度，以在成本與品質間取得最佳平衡。 變動：舊有的budget_tokens參數已被棄用。 ### Agent Teams (多 Agent 協作) 針對複雜任務的處理邏輯進行了架構級的更新，此功能多用於 Claude Code。 平行處理：不再由單一 Agent 線性執行任務，而是能組建「Agent 團隊」，將大型專案拆解給多個 Agent 平行協作。 實例能力：能管理跨多個程式庫（repo）的專案，自動分配 Issue 給適合的成員，甚至能判斷何時將問題升級轉交人類處理。 ### 超長文脈與輸出 (Capacity Upgrades) 這次更新使claude能夠摘要的文本更長，最長甚至能支援至75萬字，在長文脈檢索測試（MRCR v2）中得分高達 76% 128K 最大輸出：輸出上限翻倍至 128,000 tokens，這意味著模型可以一次生成更完整的程式碼模組或長篇報告，減少因長度限制被截斷的情況 ### Compaction API (無限對話) 自動壓縮：這是一個 Beta 功能。當對話長度接近視窗上限時，系統會自動在伺服器端將早期的對話內容進行「摘要壓縮」。 效益：使用者可以進行實質上「無限」的對話，而不會因為上下文超載而被迫中斷或遺失脈絡 搭配上述第三項更新，想必能發揮處良好的效果 ### 應用程式整合 (Claude in PowerPoint) 側邊欄助手：Claude 直接整合進 PowerPoint 介面。 功能：使用者無需在網頁版生成內容後再複製貼上，可以直接在 PPT 內要求 Claude 根據指定的配色、字型與版面風格自動生成簡報頁面 另外，在和其他AI的比較測試中，結果得出Claude 4.6 Opus 在程式撰寫方面成功取得業界最高分，在其他方面也表現不凡。 ![圖片](/posts/26/2.png) (資料取自[設計師Riven](https://rar.design/posts/claude-opus-4-6-features-guide)) 更值得高興的是，本次升級並不會使付費方案漲價，各位有興趣的讀者也不妨參考看看喔! 資料來源: [Claude官方介紹](https://platform.claude.com/docs/zh-TW/about-claude/models/whats-new-claude-4-6) [設計師Riven](https://rar.design/posts/claude-opus-4-6-features-guide) ## 二. Claude Code Security 震撼資安界！股價重挫的背後真的會取代工程師嗎? 作者:YD 八年前台灣吧對未來的想像，一週前 Claude 4.6 推出，而今天我們或許正在見證資安領域的一個里程碑。人工智慧領域巨頭 Anthropic 上線 Security 功能，能夠自主掃描儲存庫的程式碼並提供修補程式，大大加速了過去的人工推理過程。這項工具標榜能像人類資安專家一樣「推理」程式碼脈絡，在測試中已成功挖掘出超過 500 個高風險漏洞，其中包含多個潛伏數十年的 0-Day 威脅。 ![圖片](/posts/26/3.png) ### 超越規則比對：AI 具備「資安研究員」的推理能力 傳統的資安工具多依賴「靜態分析」或「模糊測試」，透過既定規則比對已知漏洞模式。然而 Claude Code Security 的核心差異在於其具備推理能力。它不只是比對模式，而是能像人類研究員一樣閱讀 Git 提交歷史、追蹤跨模組的資料流向，並理解複雜的商業邏輯。 在 Anthropic 公布的實測案例中，Claude 展現了驚人的洞察力：GhostScript 案例：Claude 透過閱讀 Git 歷史記錄，發現某個安全補丁在特定路徑漏掉了邊界檢查，隨即構建出證明漏洞存在的 PoC（概念驗證）檔案。CGIF 案例：Claude 展現了對 LZW 壓縮演算法的深層理解，意識到特定輸入可能導致壓縮後的資料大於原資料，進而觸發緩衝區溢位。這種涉及特定演算法邏輯的漏洞，傳統工具極難偵測。 ### 「強大但需監督的實習生」：堅持人工審核機制 儘管 AI 展現了卓越的漏洞發現能力，Anthropic 仍強調人工審核的必要性。Claude Code Security 會針對掃描結果提出具體的修補程式，但官方明確表示：「在未經人工核准的情況下，不會套用任何修正」。 這種設計是為了平衡 AI 帶來的效率與潛在的誤報風險。每一項漏洞發現都會經過 Claude 特別設計的對抗性流程，嘗試否定自己的判斷以降低誤報，最後才提交給人類工程師進行最終決策。 雖然當前的 Claude Code 看起來像是資安界的實習生，但相信不久的將來就會升職成為一個稱職中階乃至專業資安工程師。 ### 展望未來：AI 攻防的新常態 Anthropic 警告，雖然 AI 能幫助防禦者強化程式碼庫，但攻擊者同樣也會利用 AI 更快速地尋找弱點。資安攻防的計算方式正在改變，未來的軟體開發與安全審查界線將趨於模糊。對於企業而言，這不僅是工具的升級，更是資安治理思維的轉折點。 目前 Claude Code Security 僅開放給企業與團隊客戶進行有限研究預覽，企業客戶可申請加入候補名單以獲取早期存取權限。 資料來源: [https://code.claude.com/docs/en/security](https://code.claude.com/docs/en/security) [https://www.anthropic.com/news/claude-code-security ](https://www.anthropic.com/news/claude-code-security) [https://red.anthropic.com/2026/zero-days/ ](https://red.anthropic.com/2026/zero-days/) ## 三. 台灣吧 8 年前對 AI 的想像，正在成為現實 作者:Ke.H ![圖片](/posts/26/4.jpg) 圖片來源：[『AI人工智慧！機器學習 & 突如其來的危機』芬特克 FinTech EP3 - YouTube](https://www.youtube.com/watch?v=i0UxYDqlX6o) 在 8 年前（2018 年），台灣吧推出 「『芬特克 FinTech』－探索金融科技文明！」系列動畫，其中有一集說到 AI 與 FinTech 的關聯，片中出現的 AI 就像是現在的 ChatGPT 等大語言模型，可以回答各種大小事，並且可以透過了解使用者的投資與消費習慣，產生最適合使用者的資產配置，提供個人化的服務。 當年筆者看到這部影片時，其實抱著懷疑，認為 AI 應該很難做到這樣的事，就算能做到，也應該是一般人難以取得的技術。但看向現在，OpenAI、Google 等大公司雖然確實掌握了部分大模型，但很多研究也是開源的，就像 Google 在 9 年前（2017 年）發表 Transformer 架構的論文，名稱為 **《Attention Is All You Need》** （注意力就是你所需要的一切），這是大部分大語言模型的理論基礎。 除了文獻，DeepSeek 與 Moonshot 等公司也開源自家的大模型，其效能足以媲美閉源模型，其中 DeepSeek V3 的訓練成本與推理成本甚至低於 ChatGPT 等主流大模型。Moonshot 也在今年推出 Kimi K2.5 號稱是全球最強開源模型。 隨著許多公司願意開源模型或提供免費/訂閱服務，讓大眾取得大模型的門檻降低了許多，現在的時代已經十分接近當年「芬特克 FinTech」動畫所描述的每個人都有自己的 AI ，並且可以讓 AI 代理執行的情景。 台灣吧當年看似未來的想像，如今已不再遙遠。這背後很大一部分要歸功於開源文化的推動——從 Google 公開 Transformer 架構，到 DeepSeek、Moonshot 釋出自家模型，正是這種共享與協作的精神，讓 AI 不再是少數大公司的專利，而是每個人都能取用的工具。每個人都有自己的 AI，不再只是動畫裡的想像。 資料來源 ： - [『AI人工智慧！機器學習 & 突如其來的危機』芬特克 FinTech EP3 - YouTube](https://www.youtube.com/watch?v=i0UxYDqlX6o) - [Google的 AI 雄心：從 Transformer 到 Gemini，打造下一個能改變世界的技術 \| T客邦](https://www.techbang.com/posts/117700-googles-ai-ambition-from-transformer-to-gemini-build-the-next) - [訓練成本不到 600 萬美元，中國 AI 公司開源 DeepSeek-V3 新模型 \| TechNews 科技新報](https://technews.tw/2024/12/30/introducing-deepseek-v3/) - [DeepSeek是什麼？為何讓輝達股價重挫、美國害怕？｜天下雜誌](https://www.cw.com.tw/article/5133885) - [阿里巴巴與 Moonshot AI 推新 AI 模型，欲挑戰 OpenAI 和 Google 地位 \| TechNews 科技新報](https://technews.tw/2026/01/27/chinas-alibaba-moonshot-claim-latest-flagship-ai-models-challenge-openai-google/)

#科技週刊

第二十五期

2026-02-15

## 星際探索的認知覺醒：NASA 毅力號與太空自駕的「推理」革命 作者：main 2026 年 2 月，美國航太總署（NASA）噴射推進實驗室（JPL）見證了太空探索歷史性的轉折點。NASA 正式宣布成功利用 Anthropic 的 Claude 模型完成火星探測車「毅力號」（Perseverance）的導航規劃。這一刻被航太界定義為深空探索的「ChatGPT 時刻」——探測器不再僅僅是等待地球指令的遙控機器，而是開始具備理解外星地質環境並進行路徑推理的半自主能力。 一、 技術核心：Claude VLA 與「LLM-Modulo」架構的誕生 過去的火星導航依賴地球操作員手動繪製「麵包屑（Breadcrumb）」路徑，但在面對長達 20-40 分鐘的通訊延遲時，這種模式極度缺乏效率。NASA JPL 此次導入的技術，徹底改變了這一邏輯。 • 具備推理能力的 VLA 模型：NASA 採用的 Claude 是一個先進的視覺語言模型（VLM），透過被整合進 LLM-Modulo 架構，實現了視覺語言動作（VLA）的能力。它不只是分析圖片，而是將火星偵察軌道器（MRO）拍攝的高解析度 HiRISE 影像與數位高程模型（DEM）結合。在實測中，Claude 能識別基岩、露頭與沙波紋等特徵，並生成符合 NASA 專用格式（RML）的代碼指令，自動規劃出 10 公尺分段的連續路徑。 • LLM-Modulo 架構驗證：為了確保安全，JPL 採用了類似「思維鏈」的驗證邏輯，即 LLM-Modulo Framework。AI 生成路徑後，並非直接執行，而是通過一個嚴格的「數位孿生（Digital Twin）」系統。該系統模擬了火星的物理環境，驗證超過 50 萬個遙測變數），確保路徑不會導致車輛打滑或傾覆。 ![圖片](/posts/25/1.png) 二、 基礎設施：數位孿生與未來的軌道算力 支撐這場認知革命的，是強大的地面模擬基礎設施與正在成形的太空算力網路。 • 高精度模擬驗證：JPL 的數位孿生系統成為了 AI 與實體火星車之間的防火牆。在 12 月的測試中，Claude 規劃了穿越耶澤羅隕石坑約 400 公尺的路徑。工程師僅需針對地面視角的細微差異進行微調，這證實了合成數據與模擬環境能有效彌補現實數據的匱乏。 • 算力邊緣化的前奏：雖然目前的運算仍依賴地球端，但為了應對更遙遠的深空任務，運算基礎設施正在發生變革。SpaceX 正計畫將資料中心送上軌道，利用太空冷卻優勢解決散熱問題；同時，OpenAI 與晶片新創（如 Cerebras）的合作顯示，針對推理（Inference）優化的專用晶片將是未來實現「機上自主（Onboard Autonomy）」的關鍵。 ![圖片](/posts/25/2.png) 三、 任務落地：2026 年的實質進展 這項技術已迅速進入實際任務應用階段，2026 年成為深空自主導航的落地元年。 • 效率翻倍的實證：NASA 數據顯示，導入 Claude 協助規劃後，路徑規劃週期縮短了 50%。這意味著「毅力號」能將更多時間用於科學分析，而非等待指令，大幅提升了任務的科學產出。 • 深空任務的藍圖：這項技術不僅適用於火星。NASA 署長 Jared Isaacman 指出，這為前往木衛二（Europa）或土衛六（Titan）等通訊延遲長達數小時的遙遠世界鋪平了道路。在那些環境中，即時遙控是不可能的，具備推理能力的自主系統將成為標準配備。 四、 產業生態：從地面控制到星際邊緣運算 隨著 AI 導航技術的驗證，航太供應鏈與 AI 晶片格局在 2026 年初發生了顯著變化。 • AI 軟體定義太空任務：Anthropic 透過此次合作證明了通用 LLM 在極端物理環境下的適用性，挑戰了過去航太軟體必須高度客製化的傳統。這開啟了商業 AI 模型進入國防與航太領域的大門。 • 硬體供應鏈的重組：為了支持未來的機上推論需求，對抗輻射 AI 晶片與高效能邊緣運算模組的需求激增。這與地面端的 AI 伺服器需求（如鴻海、廣達的佈局）形成呼應，顯示「實體 AI」的戰場已從自動駕駛汽車延伸至星際探測器。 ![圖片](/posts/25/3.png) ### 結論 2026 年的火星導航測試確立了「實體 AI」在太空探索中的核心地位。隨著 VLA 模型的導入與數位孿生驗證體系的成熟，我們正見證太空船從單純的「執行者」進化為具備「自主性」的智慧探險家。這場變革不僅重塑了行星科學的研究模式，更為 AI 晶片與邊緣運算供應鏈帶來了從地表延伸至深空的巨大機遇。 參考連結: [AI 領軍火星探險：NASA 導入 Claude 規劃路徑](https://netmag.tw/2026/02/03/nasa-uses-ai-to-plan-mars-path) [Mars Rover Drives with the Help of Anthropic AI ](https://payloadspace.com/mars-rover-drives-with-the-help-of-anthropic-ai/) [Anthropic’s Claude AI plans Mars route for NASA’s Perseverance rover ](https://www.thenews.com.pk/latest/1390595-anthropics-claude-ai-plans-mars-route-for-nasas-perseverance-rover) [AI 算力大遷徙：馬斯克整併 SpaceX 與 xAI ，準備將 Grok 送上軌道機房 ](https://www.inside.com.tw/article/40613-spacex-acquires-xai-in-unprecedented-vertical-integration-play) [Position: LLMs Can’t Plan, But Can Help Planning in LLM-Modulo Frameworks ](https://arxiv.org/pdf/2402.01817) ## 遺失物的終結者：Apple AirTag 2 帶來的空間追蹤新革命 作者: 阿棋 ![圖片](/posts/25/4.jpg) 圖片來源:[Apple](https://www.apple.com/tw/newsroom/2026/01/apple-introduces-new-airtag-with-expanded-range-and-improved-findability/) 在科技產品的週期中，很少有一款單價不到千元的配件能像 AirTag 這樣，既改變了人們尋找鑰匙的方式，又引發了關於隱私與安全的全球討論。距離第一代產品發表已過四年，各項指標均顯示，Apple 正準備推出這款「尋物神器」的續行作-AirTag 2。這不僅是一次硬體的例行升級，更是 Apple 完善其「空間運算」版圖的關鍵拼圖。 ### 更遠、更準：U3 晶片的精準降臨 第一代 AirTag 依賴的是 U1 晶片，雖然在室內找鑰匙已綽綽有餘，但在開闊空間或複雜環境下，其感應範圍仍有侷限。AirTag 2 預計將換裝與 iPhone 15/16 同等級的 U3 超寬頻晶片。 這顆晶片的升級，讓「精確尋找」的距離從原本的 10 公尺大幅躍升至約 60 公尺。想像一下，當你在繁忙的桃園機場行李轉盤旁，你不再需要擠到最前面，你的手機在行李還未出關前就能感應到它的方位。這種感知的延伸，正是 AirTag 2 最直觀的進化。 ### 隱私防護的「硬核」防線 AirTag 的成功伴隨著「追蹤騷擾」的爭議。過去，不法分子常透過拆除 AirTag 揚聲器的方式來規避警示音。據悉，AirTag 2 在內部結構做了重大調整，將揚聲器與電路板進行了更深度的整合，使其幾乎無法在不毀損功能的情況下被「物理靜音」。 此外，Apple 與 Google 聯手推動的「跨平台偵測標準」也將深度嵌入二代產品中。無論是被追蹤者使用 iPhone 還是 Android 手機，系統都能更即時地發出警示，將這項科技工具回歸到「尋物」的初衷，而非犯罪的溫床。 AirTag 2 或許不會有驚天動地的外型變革，它很可能依然維持那枚銀色小圓餅的設計。然而，隱藏在簡約外殼下的，是 Apple 對於物聯網（IoT）與空間感知的深刻洞察。 對於那些深受「健忘」所苦的用戶，或是經常往返國際的差旅者來說，這款產品的升級無疑是及時雨。AirTag 2 不僅是要幫你找回失物，更是要讓你對身邊的財產擁有一種「全知全能」的掌控感。 ![圖片](/posts/25/5.jpg) 圖片來源:[Apple](https://www.apple.com/tw/newsroom/2026/01/apple-introduces-new-airtag-with-expanded-range-and-improved-findability/) 資料來源: [https://mrmad.com.tw/airtag-2-latest-news ](https://mrmad.com.tw/airtag-2-latest-news) [https://www.apple.com/tw/newsroom/2026/01/apple-introduces-new-airtag-with-expanded-range-and-improved-findability/ ](https://www.apple.com/tw/newsroom/2026/01/apple-introduces-new-airtag-with-expanded-range-and-improved-findability/) ## Thunderbot的前世與今生 作者:游錐 在電腦硬體發展的長河中，傳輸介面（Interface）的演變始終是為了回應人類對速度永無止境的渴求。從早期的序列埠、並列埠，到後來百家爭鳴的 USB 與 FireWire，線材的混亂與規格的破碎始終困擾著使用者。直到 Intel 與 Apple 聯手推出了 Thunderbolt 技術，這個局面才真正迎來了革命性的轉機。這項技術不僅重新定義了數據傳輸的極限，更在十餘年間，從一個昂貴的利基規格，走向了連結萬物的通用標準，成為現代數位工作流程中不可或缺的核心骨幹。它的故事不僅是關於速度的競賽，更是一場關於如何在物理極限、成本與使用者體驗之間尋求完美平衡的工程史詩。 故事的起點要回溯到 2009 年，Intel 實驗室中有個代號為「Light Peak」的專案。當時的願景極具科幻色彩，工程師們試圖利用光纖技術，打造一條能同時傳輸數據與顯示訊號，且速度高達 10 Gbps 的通用纜線，甚至喊出了未來可達 100 Gbps 的豪語。在那個 USB 2.0 還是主流的年代，這無疑是痴人說夢。然而，鮮為人知的是，在 Thunderbolt 正式定名之前，Sony 曾在其 Vaio Z 筆記型電腦上進行了一次大膽的「預演」。Sony 採用了特製的複合式 USB 接口，透過光纖連接外接的 Power Media Dock，實現了外接顯示卡與光碟機的功能。這款產品雖然曇花一現，但它驗證了高速外接匯流排的可行性，也同時暴露了光纖介面高昂成本與無法供電的致命傷。這讓 Intel 意識到，若要普及這項技術，必須向現實妥協。 Intel 隨後做出了關鍵的轉向，改用銅線作為傳輸介質，並成功在銅線上保留了驚人的傳輸效能。2011 年，這項技術正式命名為 Thunderbolt，並隨著 Apple 的 MacBook Pro 一同問世。第一代 Thunderbolt 採用 Mini DisplayPort 接口，提供了雙向 10 Gbps 的頻寬。這在當時簡直是外星科技般的存在——它不僅比 USB 2.0 快上 20 倍，更重要的是它直接將 PCIe 與 DisplayPort 協定封裝在一起。這意味著，專業音樂人可以透過它連接低延遲的錄音介面，影像工作者可以連接高速磁碟陣列（RAID），而這一切只需要一條線。然而，初代的控制器（代號 Cactus Ridge 等）成本高昂，且僅支援「菊鏈」（Daisy-chain）串接，這使得周邊設備價格居高不下，Thunderbolt 在當時幾乎成為了 Mac 用戶的專屬奢侈品。 ![圖片](/posts/25/6.png) ![圖片](/posts/25/7.png) ThunderBol的連接方式與菊花鏈 隨著影音內容解析度從 1080p 邁向 4K，對頻寬的需求也水漲船高。2013 年，Thunderbolt 2 登場。透過「通道聚合」（Channel Aggregation）技術，將原本兩條獨立的 10 Gbps 通道合併，創造出單向 20 Gbps 的傳輸極速。這項改進主要是為了滿足當時剛興起的 4K 影片剪輯需求，讓創意工作者能流暢地在筆電上處理龐大的 RAW 檔素材。雖然介面維持不變，但這時期的控制器（如 Falcon Ridge）已經開始展現出成熟的穩定性，為後來的爆發奠定了基礎。 如果說前兩代技術確立了 Thunderbolt 的效能霸主地位，那麼 2015 年推出的 Thunderbolt 3 則是其走向普及的關鍵分水嶺。Intel 做了一個大膽且明智的決定：放棄 Mini DisplayPort，改用即將成為主流的 USB-C 接口。這次的升級是全方位的，Thunderbolt 3 的頻寬翻倍至 40 Gbps，這得益於全新的 Alpine Ridge 控制器。它能夠同時驅動兩個 4K 60Hz 螢幕或一個 5K 螢幕，更重要的是，它整合了 USB Power Delivery 協議，支援最高 100W 的電力傳輸。這意味著筆記型電腦終於可以透過同一條線進行充電、傳輸數據和輸出畫面，真正實現了「一條線走天下」（One Cable Life）的願景。隨後推出的 Titan Ridge 控制器更是加入了 DisplayPort 1.4 的支援，讓 8K 輸出成為可能，並進一步催生了外接顯示卡盒（eGPU）的市場，讓輕薄筆電也能擁有桌機等級的圖形運算能力。雖然初期 USB-C 接頭的混用曾造成消費者對「這條線到底是不是 Thunderbolt」的困惑，但物理介面的統一，無疑是正確的歷史方向。 隨著時間推移，Thunderbolt 技術不再只是追求帳面數字的增長，更開始注重使用者體驗的完整性與擴充性。2020 年發布的 Thunderbolt 4，雖然最高頻寬維持在 40 Gbps，但它帶來了質的飛躍。透過全新的 Goshen Ridge 控制器，Thunderbolt 4 終於解決了過去只能「菊鏈」串接的痛點，開始支援類似 USB Hub 的「集線器架構」（Hubbing），允許一個接孔分接出多個 Thunderbolt 下行接口。此外，它大幅提高了「最低硬體規格需求」，例如強制要求 PCIe 傳輸速度至少達到 32 Gbps（是 TB3 的兩倍），這保證了所有通過認證的電腦都能跑滿高速 SSD 的效能。同時，為了應對日益嚴峻的資安威脅，TB4 引入了基於 Intel VT-d 的 DMA 保護機制，有效防止駭客透過惡意周邊設備直接竊取記憶體資料。此時的 Thunderbolt，已不再是單純的傳輸協定，而是一套嚴謹的品質保證標準。 ![圖片](/posts/25/8.png) Thunderbolt vs USB協議 到了 2023 年，Thunderbolt 5 再次將極限推向新高。面對 8K 甚至更高解析度螢幕的頻寬需求，傳統的訊號編碼方式已捉襟見肘。Thunderbolt 5 引入了先進的 PAM-3（脈衝振幅調變）技術。不同於過去 NRZ（PAM-2）只有 0 與 1 兩個電壓準位，PAM-3 擁有 -1、0、+1 三個準位，這讓它能在不大幅提高運作頻率（從而避免訊號衰減過快）的情況下，將傳輸效率提升 50%。這使得雙向頻寬來到了驚人的 80 Gbps。針對專業創作者的需求，它甚至能開啟「頻寬提升模式」（Bandwidth Boost），動態將傳輸分配調整為 120 Gbps 接收、40 Gbps 發送，完美支援多個 8K 解析度的高更新率螢幕。代號 Barlow Ridge 的控制器也隨之問世，將這一世代的效能帶入現實。 回顧 Thunderbolt 的發展史，就是一部不斷挑戰物理極限與整合標準的歷史。從 Light Peak 的光纖夢想，到 Sony Vaio Z 的曇花一現，再到如今 Thunderbolt 5 透過 PAM-3 技術實現的極致效能，它成功地將數據、影像與電力傳輸融為一體。對於追求極致效率的專業工作者而言，Thunderbolt 依然是目前地表上最強大的連接介面。它不僅連結了設備，更連結了創意的無限可能，證明了在科技的領域裡，只要敢於想像並堅持標準，連結的方式永遠可以更簡單、更強大。 參考資料 Thunderbolt (interface) - [Wikipedia](<https://en.wikipedia.org/wiki/Thunderbolt_(interface)>) Thunderbolt 5 Technology: What It Is and How It Works - [Intel Newsroom](https://newsroom.intel.com/client-computing/intel-introduces-thunderbolt-5-standard) Explaining Thunderbolt 3 vs 4 specs - [PurpleLec](https://www.purplelec.com/info-detail/thunderbolt-3-vs-thunderbolt-4-1449) Pam-3 Modulation in Thunderbolt 5 - [AnandTech](https://videocardz.com/newz/thunderbolt-5-may-offer-80-gbps-bandwidth-thanks-to-pam-3-modulation)

#科技週刊

第二十四期

2026-01-31

## 不願技術成為 Vision Pro 的模組：David Holz 兩度拒絕蘋果，換來 Midjourney 的獨立誕生 作者：Ke.H ![圖片](/posts/24/1.png) > 圖：David Holz （來源：[TechNews 科技新報](https://technews.tw/2023/05/14/midjourney-david-holz/)） 在矽谷，被蘋果這樣的科技巨頭相中並提出收購，往往被視為創業者夢寐以求的「成功出場」。然而，David Holz 卻兩度對蘋果說「不」。這兩次看似衝動的決定，不僅決定了 Leap Motion 的命運，更意外地鋪就了他通往 Midjourney 的獨立創新之路。 ### 第一次拒絕：理想主義者的憤怒 2013 年，Leap Motion 剛推出第一代控制器，這款能在空中捕捉手部動作的革命性裝置引發市場熱烈關注，公司估值迅速飆升至約 3 億美元。就在此時，蘋果向這家年輕公司伸出橄欖枝，表達對其團隊與技術的濃厚興趣。 然而，Holz 的反應出乎所有人意料。據前員工描述，他在與蘋果高層的會議中直言不諱地稱蘋果為「魔鬼」（the devil），批評蘋果已不再創新，技術「糟糕透頂」（sucked），甚至公開讚揚 Android 的優勢。這番話讓談判戛然而止。 Holz 深知，一旦將 Leap Motion 賣給蘋果，這項能夠「重新定義人機互動」的技術就會被鎖進蘋果的封閉生態系統。他不願看到自己傾注心血的創新被限縮在單一公司的產品線中，更不願讓團隊成為大型科技公司官僚體系中的一顆螺絲釘。對他而言，技術的自由度與影響力遠比短期的財務回報更為重要。 ### 第二次拒絕：清醒的選擇 ![圖片](/posts/24/2.png) > 圖：Project North Star （來源：[Road to VR](https://www.roadtovr.com/leap-motion-reveals-project-north-star-an-open-source-wide-fov-ar-headset-dev-kit/)） 時間來到 2018 年春季，Leap Motion 已歷經重大轉型。消費市場的挫敗促使公司將重心轉向 VR/AR 領域，並推出開源 AR 頭顯 Project North Star，展現更強大的技術實力。但與此同時，融資壓力與商業化困境也日益加劇。 蘋果再次敲門，這次的報價約在 3,000 至 5,000 萬美元之間，談判一度接近完成階段。相較於五年前的意氣之爭，這次 Holz 與共同創辦人 Michael Buckwald 做出了更為清醒的決定——他們再次拒絕了蘋果。 ![圖片](/posts/24/3.png) > 圖：Apple Vision Pro 手勢操作（來源：[The Verge](https://www.theverge.com/24078522/apple-vision-pro-wearables-comfort)） Holz 後來在訪談中解釋： > 「如果我們當時賣給蘋果，Leap Motion 會變成 Apple Vision Pro 裡面一個不起眼的手勢模組，我們的故事就結束了。」 這句話道出了他內心深處的堅持：技術創新的意義不應只是成為某個產品的零件，而是要保有獨立發展的空間與可能性。 ## 代價與教訓：一場 3,000 萬美元的甩賣 拒絕蘋果的決定，很快就顯現出沉重的代價。自 2013 年推出首款產品以來，Leap Motion 始終未能找到真正的產品市場適配。雖然技術廣受讚譽，但消費市場表現慘淡——2014 年銷量僅約 50 萬台，公司不得不裁員 10% 的銷售與行銷人員。轉向 VR/AR 後，情況並未明顯好轉。隨著主流 XR 裝置逐漸內建自家手勢追蹤功能，獨立硬體供應商的生存空間被進一步壓縮。 公司持續燒錢卻無法實現規模化收入，財務狀況日益不穩。在錯失兩次蘋果收購機會後，Leap Motion 已沒有太多選擇。2019 年 5 月，公司最終以約 3,000 萬美元的價格賣給了 Ultrahaptics（後更名為 Ultraleap）——這個價格僅為巔峰估值的十分之一，業界形容為「火速甩賣」。 這筆交易被內部人士稱為「最後機會」，是為了避免更嚴重的財務崩潰或破產風險。Holz 選擇 Ultrahaptics 是因為該公司專注於超聲波觸覺技術，能與 Leap Motion 的光學手勢追蹤形成互補，至少讓技術得以延續發展。大部分工程團隊隨之加入 Ultraleap，但 Holz 本人僅短暫停留，於 2021 年選擇離開。 這段經歷讓 Holz 深刻反思。他後來總結道： > 「我從 Leap Motion 學到最重要的一課就是：時機比技術重要 10 倍，但獨立比時機重要 100 倍。賣給蘋果或許能讓我一次套現幾億美元，但我就永遠無法證明：一個真正相信未來的人，可以不依賴任何巨頭，自己把願景推到極致。」 ### 獨立的回報：Midjourney 的崛起 ![圖片](/posts/24/4.png) > 圖：Midjourney (來源：[iThome](https://www.ithome.com.tw/news/170788)) 2021 年 8 月，帶著 Leap Motion 的教訓與剩餘資金，Holz 創立了 Midjourney。這次，他做出了更徹底的選擇——完全自籌資金，拒絕一切外部投資，保持絕對的獨立性。 這個決定在當時看來幾乎是瘋狂的。但結果證明，他不僅抓住了正確的時機，也堅守了正確的原則。 Midjourney 於 2022 年 7 月進入公開測試階段，迅速成為 AI 生成圖像領域的領導者之一。公司完全建立在 Discord 平台上，沒有傳統辦公室，全員遠距工作，團隊規模維持在約 40 人。財務數據卻令人驚嘆：2023 年營收約 2 億美元，至 2025 年中期，年度經常性收入估計已達 5 億美元，潛在估值超過 100 億美元。這個完全獨立、沒有外部投資的公司，市值已遠遠超過當年蘋果對 Leap Motion 的所有報價總和。 ### 一條最硬核的創業傳奇 ![圖片](/posts/24/5.png) > 圖：David Holz (來源：[Yahoo](https://sg.news.yahoo.com/leap-motion-updates-hand-tracking-tech-081429698.html)) 回顧 David Holz 的創業歷程，兩次對蘋果說「不」不僅是個人性格的展現，更是一種創業哲學的實踐。Leap Motion 的失敗是昂貴的學費，但也是必要的歷練。它讓 Holz 理解了時機的重要性，學會了在理想與現實之間尋找平衡點，更重要的是，堅定了他對獨立性的信念。 如果當年接受了蘋果的收購，他或許能獲得財務自由，但也會失去創造 Midjourney 的機會與動力。從「被收購傳聞纏身的硬體創業家」到「AI 時代最具前瞻性的獨立創業者」，David Holz 用實際行動證明：在這個被巨頭壟斷的科技時代，獨立創新者依然能夠開闢出屬於自己的道路。 這條拒絕巨頭、堅持獨立的創新之路，絕對堪稱當代科技創業最硬核的傳奇之一。而對於那些在理想與現實、獨立與依附之間掙扎的創業者來說，Holz 的故事或許能帶來一些啟發：有時候，說「不」需要的勇氣，遠比說「是」來得更大——但那也可能是通往真正成功的唯一路徑。 資料來源 ： - https://www.businessinsider.com/apple-leap-motion-acquisition-talks-fell-through-2018-10 - https://9to5mac.com/2018/10/31/apple-leap-motion-acquisition - https://appleinsider.com/articles/18/10/31/leap-motion-passed-on-multiple-50m-acquisition-efforts-by-apple-because-of-founders-attitudes - https://9to5mac.com/2019/05/30/leap-motion-apple-sells - https://www.theverge.com/2019/5/30/18645604/leap-motion-vr-hand-tracking-ultrahaptics-acquisition-rumor - https://en.wikipedia.org/wiki/Leap_Motion - https://www.engadget.com/2019-05-30-leap-motion-acquired-vr-virtual-reality-startup-ultrahaptics.html - https://en.wikipedia.org/wiki/Leap_Motion - https://siliconangle.com/2019/05/30/leap-motion-sold-fire-sale-price-30m-ultrahaptics - https://www.justgogrind.com/p/david-holz-midjourney - https://getlatka.com/companies/midjourney - https://devgraphiq.com/category/data-stats - https://research.contrary.com/company/midjourney ## moltbot (clawdbot)真的有技術突破嗎？又為什麼要改名？ 作者: YD 在 2026 年初的科技圈，如果你沒聽說過那隻來自外太空、名為 Clawdbot（現為 Moltbot）的「太空龍蝦」，那你就真的落伍了。這款由 PSPDFKit 創辦人 Peter Steinberger 與社群共同開發的開源 AI 助手，在 GitHub 上短短幾天就獲得超過 1.5 萬顆星，成為社群上最廣泛討論的話題。 為什麼大家願意為了他特地甚至是額外去購買設備？因為它不只是一個會說話的聊天機器人，它是真正能幫你執行任務的「數位員工」。 ![圖片](/posts/24/6.png) ### Moltbot 是什麼？打破「玻璃屋」的 AI 代理人 以往我們使用的 ChatGPT 或 Claude 就像是被關在瀏覽器裡的「博學家」，雖然聰明，卻碰不到你電腦裡的任何東西。Moltbot 則是那把打破玻璃屋的槌子。 它是一款本地優先的 AI 代理人，主打直接住在你的電腦裡（或雲端伺服器），透過 Discord 等你慣用的通訊軟體與你對話。你可以直接在傳送語音訊息，它就能幫你： - 清理收件匣、回覆電子郵件。 - 管理行事曆、安排會議。 - 研究公司、監控股票價格或競爭對手網站。 - 甚至在你躺在床上看 Alex 爬 101 時，傳個訊息就幫你重建整個網站。 ### 為什麼它會爆紅？三大核心優勢 1. 擁有「持久記憶」與「數位雙手」 不同於一般的 AI 聊完天、關掉視窗就忘了你是誰，Moltbot 具備持久記憶（Persistent Memory），會記得你的喜好、專案背景與生活瑣事。最重要的是它有「雙手」，能直接操作瀏覽器、讀寫檔案、甚至自己寫程式碼來修復 Bug。 2. 成本極低：20 美元取代 2000 美元的助理 這是讓所有老闆與自由職業者瘋狂的原因。只要利用 AWS 的伺服器，或是 Zeabur 等雲端服務，搭配一個月約 20 美元的 API 費用，就能取代一個月薪水要 2000 美元的真人助理。 ### 隱藏在背後的風險 在享受便利的同時也隱藏著極高的風險，這就是為什麼不該輕易使用 。Moltbot 為了實現全自動化，會要求極大的權限（包括但不限於 Shell 存取與檔案系統讀寫），這在本質上是在你的系統裡開了一個巨大的後門。稍有不慎可能導致以下可怕的事情發生： 檔案誤刪：Moltbot 有可能誤判而將重要檔案刪除 密碼外洩：多數人習慣在電腦備份密碼或加密金鑰，Moltbot 可能會讀取並外洩 提示注入：攻擊者可透過特殊提示詞干擾 Moltbot 運作 聯網風險：Moltbot 並非本地 AI ，他仍然呼叫雲端服務的 api 進行思考，這是最多人誤解的地方 ### 有趣的更名爭議 Moltbot 原名是 Clawdbot，也是大家較為耳熟能詳的名稱。但由於名稱太像知名 AI 服務 Claude 而遭其公司 Anthropic 施壓，最終決定改名。 Moltbot 開發者 Peter Steinberger 笑稱這是一次龍蝦的成長，引發社群討論，有些人認為 Anthropic 公司過於激進，也有些人認為這是保護品牌的必要手段，反而是 Clawdbot 故意使用相近名稱來製造混淆。 ![圖片](/posts/24/7.png) ## 總結：AI Agent 的時代正式來臨 Clawdbot 在本質上並沒有技術突破，但卻是 AI 服務落地的一大步，象徵著代理人逐漸的走向大眾化，標誌著從「聊天機器人」進化到「AI 代理人」的轉折點。它讓 AI 不再只是冷冰冰的對話框，而是真正能關心你的行程、為你執行繁瑣任務的夥伴。 如果你已經準備好嘗試這款「最強個人化 AI 數字員工」，請務必在隔離的環境或專用電腦上執行，僅在資料外洩不會造成嚴重損失的情況下使用。這場由一隻「太空龍蝦」引領的自動化革命，你打算加入嗎？ — 資料來源: - https://abmedia.io/what-is-clawdbot-2026-guide - https://3c.ltn.com.tw/news/64778 - https://ohya.co/blog/clawdbot-ai-social-radar-complete-guide - https://zeabur.com/zh-TW/blogs/clawdbot-with-zeabur-ai ## Google推出線上課程 免費試用7天帶你拿證照 作者:Lhs Google在前陣子與Coursera合作，推出了一系列與人工智能相關的課程，其中包含了幫助初學者更準確地下指令的「提示符號字詞課程」，還有幫助使用者撰寫正式文件等內容的實力操作課程等，內容十分多元，並且全都可免費試聽，結束後完成測驗還能獲得證照，有興趣的話還請務必去試試看。 [Coursera網站連結點我](https://www.coursera.org/courses?query=google&utm_medium=sem&utm_source=gg&utm_campaign=b2c_apac_x_multi_ftcof_career-academy_cx_dr_bau_gg_pmax_gc_tw_all_m_hyb_25-08_desktop&campaignid=22918564738&adgroupid=&device=c&keyword=&matchtype=&network=x&devicemodel=&creativeid=&assetgroupid=6603232433&targetid=&extensionid=&placement=&gad_source=1&gad_campaignid=22914434123&gbraid=0AAAAADdKX6YxpN4CJieKmGE2aaa1FTSER&gclid=CjwKCAiA7LzLBhAgEiwAjMWzCLje6Wui9unsOWjGEQz1jxcksHKlghjrpsJp-Jx4P4Fzz5lXgzw9khoCnKsQAvD_BwE&isNewUser=true) ![圖片](/posts/24/8.png) 此外，Google還額外提推出了針對不同需求的使用者的相關課程， 不論是學生、中小型企業還是教育者，都能在這裡找到對自己優幫助的課程，並讓你能在日後使用AI時更加的繩省力，還請各位讀者務必試試看! Google網站點我(https://grow.google/ai/) ![圖片](/posts/24/1.png) 資料來源: - [https://youtube.com/shorts/jCz5vadsuPM?si=rZv_E91i6nA9gcKU](https://youtube.com/shorts/jCz5vadsuPM?si=rZv_E91i6nA9gcKU) - [coursera網站](https://www.coursera.org/courses?query=google&utm_medium=sem&utm_source=gg&utm_campaign=b2c_apac_x_multi_ftcof_career-academy_cx_dr_bau_gg_pmax_gc_tw_all_m_hyb_25-08_desktop&campaignid=22918564738&adgroupid=&device=c&keyword=&matchtype=&network=x&devicemodel=&creativeid=&assetgroupid=6603232433&targetid=&extensionid=&placement=&gad_source=1&gad_campaignid=22914434123&gbraid=0AAAAADdKX6YxpN4CJieKmGE2aaa1FTSER&gclid=CjwKCAiA7LzLBhAgEiwAjMWzCLje6Wui9unsOWjGEQz1jxcksHKlghjrpsJp-Jx4P4Fzz5lXgzw9khoCnKsQAvD_BwE&isNewUser=true) - [https://grow.google/ai/](https://grow.google/ai/)

#科技週刊

第二十三期

2026-01-17

## 數位鎖國還是專注力救星？——教育部手機禁令的正當與必要性 隨著教育部預計於 114 學年度修訂「校園行動載具使用原則」，校園手機管理再次成為社會熱議的焦點，新制草案傾向於「集中保管」——即學生入校後手機需統一收納，課堂間原則上禁止使用。這項政策彷彿在平靜的校園池塘投下一顆震撼彈，激起了關於受教權與數位人權的激烈漣漪。早在 2019 年，教育部便已訂定相關原則，要求上課時未經許可應關機，但此次修法更進一步強化了「保管」的強制力，引發各界正反意見的強烈碰撞。這場爭論不僅關乎課堂秩序的維護，更觸及了當代教育的核心難題：在演算法無孔不入的時代，學校究竟該扮演阻擋浪潮的堤防，還是教導衝浪的教練？究竟這是一場挽救下一代專注力的必要之戰，還是一次與數位時代脫節的鎖國決策？ 支持手機禁令的核心論述，基於對「人類認知極限」的科學理解。Rutgers 大學的研究指出，學生在課堂上處理非學術事務時，受害的不僅是本人，連旁邊沒用手機的同學也會因干擾而成績下滑，揭示了手機干擾具有「二手菸」般的擴散效應。心理學的「大腦流失」（Brain Drain）理論更顯示，即便手機關機，只要存在於視線內，大腦仍會下意識分配資源去抑制看手機的衝動，這種持續性的認知耗損，直接削弱了處理複雜問題的能力。因此支持方主張，透過實體隔離創造一個能進行深度工作（Deep Work）的環境，是培養心智韌性的必要手段。此外，從心理健康角度來看，禁令或許是青少年的數位排毒處方。社群媒體演算法旨在製造錯失恐懼症（FOMO），若允許手機進入教室，學生必須隨時回應社交訊號，加劇焦慮。學校應作為一個暫時切斷「永遠在線」壓力的避風港，讓學生從虛擬比較中解脫，重新練習面對面的人際互動，挽救被演算法綁架的心理健康。 然而，反對全面禁令的聲音同樣振聾發聵，其立論基礎在於我們身處一個與科技共生的 21 世紀，學校的職責應是教導學生如何駕馭科技而非逃避。如果將數位誘惑比喻為颱風，禁令就像將水手關在密室，讓他們失去在真實環境中學習航行與生存的機會。反對方認為，真正的數位公民素養無法在無菌室中培養，而必須透過引導與試錯建立。強硬禁令往往引發「禁果效應」，當手機成為違禁品，學生反而花心思鑽研藏匿挑戰規範，將教師推向「貓抓老鼠」的執法者角色，破壞師生互信，這種時間成本對教學品質更是傷害。此外，將手機視為純粹娛樂工具也忽略了其作為生產力工具的潛力，對於經濟弱勢學生，智慧型手機可能是通往世界圖書館的唯一窗口。一刀切的禁令可能扼殺將手機轉化為學習利器的機會，這不應是禁絕汽車，而應是落實「駕駛訓練班」，教導學生何時該踩油門查詢資料，何時該踩煞車專注聆聽。 面對這兩股拉扯的力量，教育部目前的草案試圖採取「分齡管理」的中道：針對心智尚未成熟的國中小學生，採取較為強硬的「集中保管」模式；而對於高中職生，則保留了「民主審議」的空間，要求校方需邀請學生代表（且比例不得低於三分之一）共同討論管理規範。然而，這項看似開明的機制，在實務上卻潛藏著嚴重的權力不對等隱憂。在許多高中的校務會議結構中，校方行政人員與家長代表往往佔據話語權與表決權的絕對優勢，學生代表雖然名義上佔了三分之一，但在「大人們」聯手以「為你好」的名義進行情感勒索或強勢表決下，學生的聲音極易被邊緣化，甚至淪為政策背書的橡皮圖章。如果這場審議最終只是走過場，讓學生感受到的是「假民主」的傲慢而非溝通的誠意，那麼這堂公民課將會是最負面的教材，反而激起更強烈的世代對立與反抗心理，這也是新制在執行面上最大的挑戰。 教育部的手機禁令，不應被簡化為反科技的復古運動，其本質是對抗「注意力破碎化」的積極防禦。倫敦政治經濟學院（LSE）的研究曾顯示，手機禁令對成績落後的學生幫助最大，這暗示了專注力本身就是一種需要被制度保護的稀缺資源。然而，禁令只能是手段，不能是目的，如果我們只做到了「沒收手機」，卻沒有在課堂中引入更具啟發性的數位素養教育，那麼這項政策終將失敗。正當性的關鍵在於：我們騰出了雙手與眼睛之後，是否在課堂上填補了更有價值的內容？或許這場辯論沒有標準答案，但它迫使我們正視一個核心問題：在演算法主宰的時代，我們該如何為下一代保留一片能夠安靜思考的淨土，同時賦予他們走出淨土後，依然能清醒思考的能力。 參考資料 [教育部 - 高級中等以下學校校園行動載具使用原則](https://sysh.tc.edu.tw/var/file/64/1064/img/1360/227852067.pdf) [公視新聞網 - 教育部手機入校新規範 國中小擬集中保管、高中生可與校方協商](https://news.pts.org.tw/article/752226) [Rutgers University - Cellphone Distraction in the Classroom Can Lead to Lower Grades](https://www.rutgers.edu/news/cellphone-distraction-classroom-can-lead-lower-grades-rutgers-study-finds) [Centre for Economic Performance (LSE) - Ill Communication: Technology, Distraction & Student Performance (PDF)](https://cep.lse.ac.uk/pubs/download/dp1350.pdf) [翻轉教育 - 校園手機規範114學年上路！修法草案曝光，4大熱議焦點一次看 ](https://flipedu.parenting.com.tw/article/009918) ## 實體人工智慧的認知覺醒：CES 2026 與自駕車的「推理」革命 2026 年 1 月 5 日，拉斯維加斯 CES 大展見證了人工智慧歷史性的轉折點。NVIDIA 執行長黃仁勳（Jensen Huang）在主題演講中正式宣布「實體人工智慧」（Physical AI）時代的來臨。這一刻被業界定義為自動駕駛與機器人領域的「ChatGPT 時刻」——機器不再僅僅是執行預設指令，而是開始具備理解物理世界並進行因果推理的能力。 ### 一、 技術核心：Alpamayo 與「思維鏈」的誕生 過去的自動駕駛系統多依賴「感知」與模式匹配，但在面對罕見的長尾場景（Long-tail scenarios）時往往束手無策。NVIDIA 在 CES 2026 推出的 Alpamayo 家族，徹底改變了這一邏輯。 #### • 具備推理能力的 VLA 模型： Alpamayo 1 是一個擁有 100 億參數的視覺語言動作（Vision-Language-Action, VLA）模型。它不只是輸出轉向或煞車指令，而是引入了**「思維鏈」（Chain of Thought）**技術。在舊金山的實測演示中，當車輛遇到施工區域時，系統能生成文字推理軌跡：「偵測到前方有工人手持信號燈 -> 雖然綠燈亮起，但我應等待工人指示再通行」。 #### • 開源生態系： 為了加速產業發展，NVIDIA 宣布將 Alpamayo 1 的權重與推論腳本在 Hugging Face 上開源，並釋出包含 1,700 多小時、涵蓋 25 個國家的實體駕駛數據集，供全球開發者進行微調與驗證。 ![圖片](/posts/23/1.png) ### 二、 基礎設施：Vera Rubin 與 Cosmos 世界模型 支撐這場認知革命的，是強大的運算基礎設施與合成數據生成能力。 #### • Vera Rubin 全面量產： NVIDIA 確認其下一代運算平台 Vera Rubin 已於 2026 年初進入「全面量產」（Full Production），系統預計於 2026 年下半年透過合作夥伴推出。Rubin 平台不僅效能較前代大幅提升，更專注於降低大規模推理（Inference）的成本，是支撐實體 AI 運算的關鍵。 #### • Cosmos 世界模型： 黃仁勳展示了 Cosmos 基礎模型，它能生成符合物理定律的 3D 影片與模擬環境。這實現了「將算力轉化為數據」（Turn compute into data），讓機器人與自駕車能在虛擬世界中經歷數百萬英里的極端氣候與危險場景訓練，解決了現實世界數據匱乏的問題。 ![圖片](/posts/23/2.png) ### 三、 商業落地：2026 年的實質進展 這項技術已迅速進入商業應用階段，2026 年成為實體 AI 的落地元年。 #### • Mercedes-Benz CLA 首發： 搭載 Alpamayo 技術與 DRIVE Orin/Thor 運算平台的 Mercedes-Benz CLA 於 2026 年第一季率先在美國上市，隨後擴展至歐洲與亞洲。這款車型被評為「世界上最安全的汽車」之一，標誌著具備推理能力的消費級車輛正式上路。 #### • Uber 與 Robotaxi 佈局： Uber 宣布與 NVIDIA 及 Lucid Motors 合作，計劃於 2027 年部署基於此技術架構的 Robotaxi 車隊，利用 Alpamayo 的推理能力來處理複雜的城市交通。 ### 四、 供應鏈重組：鴻海與廣達的關鍵角色 隨著 AI 伺服器與車載運算需求的爆發，供應鏈格局在 2026 年初發生了顯著變化。 #### • 鴻海（Foxconn）的營收激增： 作為 NVIDIA 的關鍵合作夥伴，鴻海在 2026 年 1 月發布的財報顯示，其 2025 Q4 營收激增 22%，主要動能來自 AI 伺服器與雲端業務，該板塊營收已正式超越傳統的手機組裝業務。鴻海正在墨西哥與德州建立專門的 AI 伺服器工廠以支援 NVIDIA 的需求。 #### • Tier 1 地位確立： 鴻海與廣達（Quanta）被納入 NVIDIA DRIVE Hyperion 生態系，成為新一代汽車電子的 Tier 1 供應商，負責生產自駕車專用的電子控制單元（ECU）與感測器套件。 ![圖片](/posts/23/3.png) ### 結論 CES 2026 確立了「實體 AI」作為下一個科技超級週期的核心地位。隨著 Alpamayo 的開源、Vera Rubin 的量產以及賓士 CLA 的上市，我們正見證機器從單純的「自動化」進化為具備「自主性」的智慧實體。這場變革不僅重塑了汽車產業，更為台灣供應鏈帶來了從消費電子轉型至 AI 基礎設施的巨大機遇。 資料來源: [NVIDIA Announces Alpamayo Family of Open-Source AI Models and Tools to Accelerate Safe, Reasoning-Based Autonomous Vehicle Development-《nvidia》](https://nvidianews.nvidia.com/news/alpamayo-autonomous-vehicle-development) [Building Autonomous Vehicles That Reason with NVIDIA Alpamayo-《nvidia》](https://developer.nvidia.com/blog/building-autonomous-vehicles-that-reason-with-nvidia-alpamayo/) [Jensen Huang CES 2026 Announcement — The Inflection ChatGPT Moment for Autonomous Vehicles (AVs)-《medium》](https://saygincelen.medium.com/jensen-huang-ces-2026-announcement-the-inflection-chatgpt-moment-for-autonomous-vehicles-avs-89d7a3fb611e) [CES 2026: Nvidia’s playbook for the next phase of AI-《saxo》](https://www.home.saxo/content/articles/equities/ces-2026-nvidias-playbook-for-the-next-phase-of-ai-06012026) [Nvidia CES 2026 keynote LIVE — All the biggest announcements from Jensen Huang and what to expect from GeForce On-《tomsguide》](https://www.tomsguide.com/news/live/nvidia-ces-2026-keynote-live) [Nvidia CES 2026: Alpamayo Open-Source AI Marks Physical AI Era-《stock titan》](https://www.stocktitan.net/articles/nvidia-ces-2026-alpamayo-physical-ai) [NVIDIA Partner Foxconn Reports 22% Q4 Revenue Surge as AI Infrastructure Demand Rises-《opendatascience》 ](https://opendatascience.com/nvidia-partner-foxconn-reports-22-q4-revenue-surge-as-ai-infrastructure-demand-rises/) ## 三、Vibe Coding 完，然後呢? 別只是停在原地 自 2025 年初以來，「氛圍編碼」（Vibe Coding）浪潮席捲全球，這種強調透過自然語言與 AI 對話、無需親自撰寫每行代碼的創作方式，雖讓開發門檻大幅降低，卻也讓許多創作者陷入了前所未有的「新問題」。通過高效的迭代升級能快速產出作品，市面上也有相對應的課程教學，到這裡大致上都不構成問題。然後絕大多數的人也就停留在這裡了，不是從來沒有思考過下一步要做什麼，就是思考後不知道該怎麼繼續行銷變現、穩定的維護系統。 根據業界最新觀察，vibe coder 在創作過程中正面臨三大系統性挑戰。 首先是行銷不易。vibe coder 的作品通常高度個人化，強烈依賴創作者當下的靈感與風格，缺乏明確定位與穩定輸出主題。如果你不具備社群經營的相關技巧，在社群平台上日益增多的作品中越來越難取得相對應的曝光機會，導致在社群與平台演算法中難以被長期辨識。今天可能因一支作品爆紅，明天卻又被新話題迅速取代，流量難以累積，更難建立品牌。 第二個問題是無法長期維護獲利。由於作品多半是快速實驗型質感創作，而非系統化產品，更可能是創作者一時興起的創作。當流量退燒後，缺乏可持續變現的基礎。即使開設訂閱、販售模板或接受委託，也常因專案高度客製化、可複用性低，讓收入難以規模化，創作者容易陷入「一直做、一直追、一直累」的循環。而單純的更新也面臨著需要考慮安全性升級、伺服器費用等問題，無法實現被動收入也無法賣出脫手，成為一顆燙手山芋。 第三是缺乏系統性整理。大量的點子、原型與半成品散落在 GitHub、Notion、Figma 或社群貼文中，沒有被結構化保存。這不只讓創作者自己難以回顧與複用，也使得外界無法清楚理解其專業累積。久而久之，影響的不只是效率，更是整體影響力與議價能力。 這些問題是筆者長期觀察整個生態系發現的，並非一朝一夕得到的結論。事實上這個問題已經困擾不少創作者一段時間了，卻一直無法解決。最近我發現一個名為專題百科的平台，雖然還正在進行公開測試，但其強大的專案管理功能及平台路線圖還是很值得大家嘗試看看。 專題百科連結:[ https://projectwiki.org](https://projectwiki.org) ![圖片](/posts/23/4.png) 目前我最喜歡的就是他們獨創的「交易系統」，雖然本質上算是君子合約，但透過這樣的機制媒合創作者和使用者兩方，讓每個人見到喜歡的項目時都有機會購為己有，不僅可以讓自己掌控完整的所有權，對作者來說也能獲得收益當作開發獎勵，雙方皆大歡喜的局面。 ![圖片](/posts/23/5.png) 總結來說創作者若想依賴 vibe coding 維生，賦予真正的價值，不妨試試看[專題百科](https://projecwiki.org)這樣類型的平台。也期待未來的台灣能有更多類似的網站，專題百科也能完善金流系統等細節，讓大家使用起來更方便。 參考資料: [https://www.mindruptive.com/blog-posts/AI/when-the-vibes-fade](https://www.mindruptive.com/blog-posts/AI/when-the-vibes-fade) [https://adsbind.com/blog/from-side-project-to-sustainable-startup-monetizing-ai](https://adsbind.com/blog/from-side-project-to-sustainable-startup-monetizing-ai) [https://www.codecat.tw/blogs/projectwiki-beta](https://www.codecat.tw/blogs/projectwiki-beta)

#科技週刊

第二十二期

2026-01-04

## 一、滑世代的注意力「赤字」：從電視機到 YouTube Shorts，我們失去了什麼？ 在我們的口袋裡，住著一位永不疲倦的說書人。它能在短短十五秒內，帶我們看遍世界奇觀、學會一道菜、或跟上最新流行的舞蹈挑戰。這個說書人，就是以 TikTok、YouTube Shorts 為首的短影音平台。它們像一股無法抵擋的數位浪潮，席捲了全球，尤其是在 Z 世代（Generation Z）的青少年群體中。然而，當我們沉浸在這場永無止境的資訊盛宴時，一項無形的「赤字」似乎正悄悄累積——我們的專注力。從過去被譏為「沙發馬鈴薯」的電視世代，到如今眼球被演算法牢牢吸住的「滑世代」，我們究竟在追求效率與娛樂的過程中，失去了什麼？ 要理解當代青少年的專注力困境，我們得先將時光倒回至電視仍是家庭娛樂中心的年代。當時，家長與教育學者們的擔憂，主要集中在電視節目對兒童價值觀的影響，以及長時間被動接收資訊可能造成的思考惰性。相較於今日的短影音，傳統電視節目，無論是卡通、戲劇或綜藝，其敘事結構相對完整，節奏也較為舒緩。一個半小時的電影、三十分鐘的情境喜劇，都需要觀眾投入一段不短的時間，跟隨情節發展，理解角色動機。 ![圖片](/posts/22/1.jpg) (以推理為主軸的名偵探柯南於1994年在週刊少年上連載，今已成為家喻戶曉的動畫片之一) 這種「線性」的觀看體驗，雖然被動，卻仍在無形中培養了觀眾基本的敘事理解能力與持續關注的習慣。然而，智慧型手機與社群媒體的崛起，徹底改變了這場注意力的遊戲規則。戰場從客廳的共享螢幕，轉移至個人化的掌中世界。YouTube Shorts、Instagram Reels 等平台，將內容的長度壓縮至極致。它們的介面設計，幾乎移除了所有需要思考與選擇的環節——沒有節目表，沒有轉台的延遲，只有一根永遠能召喚出新奇事物的大拇指。這種「向上滑動」的簡單動作，開啟了一個無盡的內容瀑布，每一滴水珠都在爭奪使用者最短暫的青睞。這種轉變的核心，在於大腦獎勵機制的改變。大腦科學研究指出，當我們接觸到新奇、有趣的資訊時，大腦會釋放神經傳導物質多巴胺（dopamine），帶來愉悅感。短影音平台正是利用了這一點，透過演算法精準投放使用者可能感興趣的內容，形成一個強力的「間歇性變異獎勵」（intermittent variable rewards）循環。每一次下滑，都可能帶來一次驚喜，這種不確定性與即時回饋，讓大腦對「下一個影片」充滿期待，如同玩拉霸機一般，令人難以自拔。於是，我們的大腦逐漸被「訓練」成偏好快速、強烈、高新奇度的刺激，對於那些需要長時間投入、回饋較慢的活動，如閱讀、深度學習、甚至是完整的長篇電影，便開始感到不耐與乏味。 當大腦習慣了短影音的「快餐式」餵養，一種被稱為「抖音腦」（TikTok Brain）或「大腦腐蝕」（Brain Rot）的現象便應運而生。這並非危言聳聽的標籤，而是對一種認知功能轉變的描述。多項研究顯示，過度使用短影音，與青少年的專注力下降、記憶力減退、甚至執行功能（Executive functions，指大腦進行計畫、組織、控制衝動等高級認知活動的能力）的弱化有顯著關聯。專注力，如同肌肉，需要透過鍛鍊來維持其強度與耐力。當我們進行深度閱讀或學習時，我們需要調動「持續性注意力」（sustained attention），長時間將心智資源集中於一個特定目標。然而，短影音的觀看模式，卻是在反覆操練我們的「短暫性注意力」（transient attention）。在快速切換的影像與音效轟炸下，我們的大腦學會了如何快速抓取資訊碎片，卻失去了將這些碎片組織、內化，並與既有知識連結的能力。一篇發表於《自然通訊》（Nature Communications）的研究便發現，近年來集體注意力廣度正持續縮減，部分原因便歸咎於社群媒體上更快速的資訊流動。這對學業表現的影響尤為顯著。許多教師觀察到，學生們在課堂上越來越難以維持專注，對於稍微複雜或需要耐心的課題便顯得心不在焉。他們習慣了在幾秒鐘內就能判斷一個內容「有不有趣」，若無法立即獲得刺激，便會下意識地尋求下一個「興奮點」。這種心態，從線上延伸至線下，使得傳統教育模式面臨前所未有的挑戰。更令人憂心的是，這場認知能力的慢性腐蝕，發生在青少年大腦發展的關鍵時期。人類大腦的前額葉皮質（prefrontal cortex），這個負責決策、衝動控制與長期規劃的「總指揮官」，要到二十五歲左右才能完全成熟。在它仍在建構的階段，若持續被短影音這種高強度、低層次的刺激所主導，可能會阻礙其發展出更高級的認知功能，導致青少年在未來生活中，更容易衝動行事，對需要延遲滿足的長期目標缺乏耐心與毅力。 當然，將所有專注力問題全歸咎於短影音，未免過於簡化。我們也必須看見，這項新興媒體所帶來的正面效益。從優勢（Strengths）來看，短影音極大地降低了知識傳播與創意展現的門檻。複雜的科學原理、歷史事件、生活技巧，都能被濃縮成易於理解的短片，實現了「寓教於樂」的可能。對於許多創作者而言，這是一個能夠快速驗證想法、觸及大量觀眾的絕佳平台。從機會（Opportunities）來看，短影音的互動性與社群連結，是傳統媒體難以比擬的。使用者不再只是被動的接收者，他們可以透過留言、合拍（Duet）、分享，參與到內容的再創造過程中，形成緊密的社群認同感。在 COVID-19 疫情期間，短影音更是在維持社交連結與心理健康上，扮演了不可或缺的角色。然而，其劣勢也同樣明顯，即前述所提的，對專注力與認知能力的潛在危害。此外，演算法所打造的「同溫層」（echo chamber），也可能限縮使用者的視野，使其沉浸在單一的觀點或價值觀中，不利於批判性思維的培養。最後，我們必須警惕其威脅。除了認知層面的影響，短影音平台上的資訊品質良莠不齊，假訊息、網路霸凌、以及不當的價值觀（如對外貌的焦慮、炫富文化等）都可能對心智尚未成熟的青少年造成負面影響。美國衛生部長便曾發出警告，指出社群媒體是青少年心理健康危機的一大推手。 ![圖片](/posts/22/2.png) (抖音(國際版)歷年來的使用者數量(資料源:statista)) 面對這場無法逆轉的數位浪潮，我們需要的不是全然的禁止或無謂的恐慌，而是在理解其運作機制後，發展出一套「數位素養」（digital literacy）的應對策略。對個人而言，覺察是改變的第一步。我們需要意識到自己正被演算法所「設計」，並學習如何重新拿回主導權。這可以從設定「無螢幕時間」、刻意練習長時間的單一任務（如閱讀紙本書、寫作）、以及關閉非必要的推播通知開始。如同健身一般，我們可以透過「專注力訓練」，逐步強化我們的心智肌肉。對家庭與教育體系而言，引導與溝通至關重要。家長不應只是單方面地限制手機使用時間，更應以身作則，與孩子一同討論數位工具的利弊，並共同制定合理的使用規範。學校教育則應將媒體素養納入核心課程，教導學生如何辨別資訊真偽、如何批判性地看待演算法所呈現的世界，以及如何在享受數位便利的同時，保護自己的心智健康。 從電視機到 YouTube Shorts，我們所失去的，或許是那種能夠靜下心來，沉浸於單一敘事，並進行深度思考與反芻的能力。我們得到的是前所未有的資訊獲取效率與無遠弗屆的社群連結。這場得與失的拉鋸戰，並無標準答案。然而，身處「滑世代」的我們，必須清醒地認識到，當我們享受著指尖劃過螢幕所帶來的短暫歡愉時，我們正在用一種最寶貴的資源——我們的專持注力——來支付這筆帳單。如何在浪潮中站穩腳步，學會衝浪，而不是被其吞噬，將是我們這個時代最重要的課題之一。 參考資料 [Short-form videos' impact on teen attention span - richmond.edu](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQGXD_1Dyp3op7zr9br_1o6mYfZ83rH-TGQUqJ58w6Yb9hTQ8FavnJpE7cVwz4Re3PqEu71Ye3q1dzU3zlLr6gy6IXhro9iOnwx5nCNhHY1BA0qkHVx_qm-q3vRMxq96yykVVg4JTBsEb1JpG9G6YpgTEOF2vuuLQpTMlA259zbS2tmOBMJOfe6XKXOqYAlZ2uLQsJg=) [How Social Media and Short-Form Content Affect Attention Span - therapyassociates.net](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQG88-OdzKnol_Af_KUuyycOWhhTD0-l2pUFqqQtMvLQ5Yhu6mgg7pqmMHKWbrLPpOmhtevvx6qrDLK7j5vuBetNedJD_VvzhxteBA8O9chEEArYnTjqwoFgY2UL5FcpzNXmGEQqqTa_ZPUxISij4cR7QGfZWD1XycJcvUvg9dLLXQ545EjemoHIdBN221q-orQkmOrld8UrJn5nIJkX7SQWZ-k137CujdaWZyY4b5s0QaDcD0BduAWuI-COfw==) [The impact of short-form videos on the cognitive functions of students at Embry-Riddle Aeronautical University - erau.edu](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQGOY00_5Rn6iu0ophAyRvYpyb9vBcuKhrlpmYlIzNKeYsG_zwXewu4rQAOu_LsyHd9sZ4dWjGsRvdnKkp4Xa_udVMlmLpKxUOBfRx9kc5CXwIPArmJLi1Fb-dQLuq3W84e_1gqaOfG712wliZsEvoYma3CwOsq93k-XPeEI3yLM3VqXlMQ1UkUJeaAmeqBgdXe9E1nWctF5_w==) [Short-form video's impact on cognitive functions and academic performance - researchgate.net](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQGfNwG2Co6sdQed9ZixFhKRjCHtbEvlu-F9HkqX88JlrJufgB-cEDENT8XwVL-eJzhJVLxUD4V8EPg5no9cHr5yiPxYKkew7jx9c_Es8dnXnhI8DXbYWOXyCz3dPGvTeeV_sezhKwklr3dyrXmxB2t_3VA38-EV3oc0vWNKuAMf_plAI1rYiRmqjDCH1pdGItmqAVsdjVFM62bsqBHIaBbHi47C90nHP1gFD6pjAssWob0cxSDX) [New study links short-form video apps to poorer cognitive performance in adolescents - psypost.org](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQGs5LMA7hL2Kiywu0y6EjNYYaENJpJYjeHtnH737M8v_qdWdkRBRDugM0WoIdrBFPzjsRp5Gb9Rma7O2Vwk7pIBqsB0H4fYQ56Aqdt_gTVADkXzg9q3PJ3vPIXm_bQszRqDQTzTLZEY3yzin9crKUjBsLPT4R7ZyahWEg2_qUt6I2RaLNL0dnPQTbCTR3qIm7SogUOnSly2hIPR4KSICeWn8u6N-U_rvxFlZj3L86M=) [How Do Social Media and Screen Time Affect Teens' Mental Health? - teens.stanford.edu](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQHIJ0OnhtazCJzFaxghhDDlW5XZ-NWbq6_HRr_2QucBO3YH_plWWTWweZ-PK8dgAG-An1BlG9leLSDTxkOA3eC45kxiVlgLTbdGoOp4Lx1l46q5JZz3IoCtWaKsCYZV1UA11fhNY1wXKxDfqzKRTgp-7hUnXe_zNSaTyfDnwQ==) [The Impact of Short-Form Video Content on the Mental Health of Adolescents - nih.gov](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQHA94_gXKQ8tRBPRm7jaXpop3gemaEJbxXo_uhBQIaLfuj8v8f4nopqMvJlgkx6f3Jj_0lo41PvuS9DD3I6G27xG49mYK7CStUMXZ7fGLW6VYZy46hf-N_ieZmkCu2sXlu2i1H8J_Gb1DGPWFCg) [滑世代的注意力危機：我們的專注力只剩8秒？ - vocus.cc](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQEOSbylSB2tD7AZmxFYOtLjukD3j5lrO9mUtIFVdzISznHc15P6Mt9kLfQxb-PRJWUzpX9O6iudXgJeoFmfpwo8vyZ4Iu5fMc0enNQEA0H1Z88aFQQhy0Wk05vPxxJPOV9E5QWzp5S7nJXP9l0=) [看太多短影音，大腦會「變笨」？醫師示警：6 種能力會受損！ - udn.com](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQFVJWDikUGED5xjvI2cZATSzZ_XJMaQ1IUjMu5X1b343BwnsQLO5ivhzYZhayCljjPJLn4i_n51TR_F5X7oYzbRo8GVosdw78Ay1gxSjdgeEkEDVNQrSr0QOMy88Jygf4v1UA==) [Heavy digital media use linked to ADHD symptoms in teens - naer.edu.tw](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQE8yJ2I182Gz_5_i1N5QpUL32PlfuTidlSXY15n0nphXqRdimEKrROL9UYBAxbbsPQXwmxPvik4zhy4fIYtOU1LUtxTMql1eAbtkyV_j9HVO8KULSOGtZOYP30YzBEdas1UWFXU34JbrsEOOckb2cyKePrEG-BzUgUrpG957tF3AHpKKfqu7D2VnE_tFVdIKrdBLSSw) [數位海洛因「抖音腦」現象！醫學研究：短影音可能讓大腦「腐蝕」，導致專注力和記憶力下降 - bnext.com.tw](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQHpHCfV5mRxtges7_APAgD2KQnnY8F3jWRIRFNBsiwvRBi9RCYdhS2qbc5TQ20_6yItsDw_VCf5ovDAq16sjYF5eC_O1LA9bcjIxj0u8Vz1WUXW_vaTryZum-Y8ix8wYIPU7sTJzYspL9-vRNJmuVhTOZLSorlKr1EjAkAziFxY0LHTpsDQmMZPvkbi9m0=) [Your attention span is shrinking, studies show. Here's how to fight back. - The Washington Post](https://www.washingtonpost.com/health/wellness/attention-span-shrinking-focus/2021/09/24/0attention-span-shrinking-focus_story.html) [Is ‘TikTok Brain’ Actually a Thing? - Health.com](https://www.health.com/condition/adhd/tiktok-brain) [The ‘attention-hijacking’ tricks of short-form video - medium.com](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQHPAFVmpx50JGH7y76WCaL0A034s7NoEFXWmvvWSUpUsd0j7eV04AhTZtzvpJFOuXMoW7J_MCRKXXc0AvtpEzIOhXmb4PNqMHiwk37afWXBi5p7JPru5lyHqzedGXrdo_svSqswWK4gW-3Z8Z0D71s-L7BjoUF1Xuad2e6Ousu-Pv5EGXR66tI-Aoie27zPvaiLxifpze448hni8hHM5iiLiQ==) [A meta-analysis of the relationship between short-form video app use and cognitive functions. - psypost.org](https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQGzNTHIR6BIWm5uRLf817j2VsByPTtGUqpZGkxvol-Qc6V0XnNgFyIEHcOqK5Jvkqt8VZoOExB2LaHmwWXog5buf1kIEgjBArs9Z9W7M2URbpKtvPL2dy_yTtxVnOJ1dPL6ZAiGS2E09lC8iTNFtutKC-S7wnaHDSd_XF3yU5-o_pEe_5GaJIVNoOygk8Vnosd_OBh52nYPpLiq3T8SgLwTlKpVCPoc6ZF1mTMNwpg=) ## 二、蘋果光環褪色？從 Vision Pro 到 iPhone Air，盤點那些年被我們吐槽到爆的 4 大「翻車」教訓 蘋果公司（Apple Inc.），一家市值破兆的科技巨擘，其產品上那句「designed in California」（加州設計）的字樣，幾乎等同於完美、創新與高品質的代名詞。從 iPhone 到 Mac，每一款產品都承載著全球消費者的極高期望。 然而，正如一句老話所言：「沒有什麼是完美的。」即使是蘋果這樣光芒萬丈的公司，其輝煌的歷史中也隱藏著一長串被市場遺忘、甚至被用戶唾棄的失敗產品。這些失敗不僅僅是歷史的註腳，它們更深刻地揭示了蘋果企業 DNA 的核心矛盾：那份堅定不移、以設計為尊的理念，既是其成功的基石，也是其最引人注目、且反覆上演的失敗根源。 從近期因高價而需求疲軟的 Vision Pro，到為了輕薄而犧牲續航的 iPhone 17 Air 所面臨的挑戰，我們發現蘋果的失敗模式仍在不斷重演。本文將深入剖析這些案例，從中提煉出 5 個至今仍然適用的驚人教訓。 ### 1. 昂貴的代價：當「魔法」的標價讓人卻步 蘋果歷史上一個反覆出現的失敗模式，就是產品定價過高，遠遠超出了主流市場的接受範圍。這究竟是市場的誤判，還是一種深思熟慮的品牌策略？寧可犧牲第一代產品的商業成功，也要將其打造成奠定品牌高端地位的象徵？無論答案為何，消費者最終仍會被高昂的標價勸退。 這個模式可以追溯到蘋果的早期產品。1983 年的 Apple Lisa 電腦，售價高達近 10,000 美元，其驚人的價格使其註定失敗。2000 年推出的 Power Mac G4 Cube，儘管設計驚艷，也因 1,799 美元的起售價和功能擴充性不足而銷售不佳，僅一年便黯然退市。 這個「定價魔咒」也延續到了近代。2006 年的 iPod Hi-Fi 和 2018 年的原版 HomePod，售價均為 349 美元，遠高於當時市場上功能更豐富的競爭對手，最終都未能獲得市場青睞。 時至今日，這個問題依然存在。最新的 Vision Pro 混合實境頭戴裝置，其 3,500 美元的高昂售價導致市場需求疲軟。據分析師郭明錤（Ming-Chi Kuo）指出，蘋果已將其年出貨量預期從最初的 70-80 萬台大幅下調至 40-50 萬台。這再次證明，無論技術多麼領先，「價格」至今仍是蘋果難以跨越的創新障礙。 ### 2. 為薄而生：對極致輕薄的迷戀所付出的慘痛犧牲 蘋果對產品極致輕薄的追求，有時近乎一種偏執，而這種偏執往往以犧牲產品的耐用性、功能和續航力為代價，最終導致用戶體驗不佳。 最著名的案例莫過於 2014 年 iPhone 6 的「Bendgate」（彎曲門）事件。為了追求更薄的機身，蘋果犧牲了結構強度，導致手機在口袋中就可能被輕易掰彎。然而，歷史的教訓似乎並未被完全吸取。十年後，同樣對極致輕薄的迷戀，正以不同的形式在 iPhone 17 Air 上重演。 根據《彭博》記者馬克・古爾曼（Mark Gurman）的評論，全新的 iPhone 17 Air 為了實現極致輕薄，犧牲了寶貴的電池空間和相機規格，導致續航力明顯不如其他機型，並直言其「並不適合大多數消費者購買」。 回顧 2016 年版的 MacBook，蘋果為了輕薄，不僅機身僅配備一個 USB-C 連接埠，還採用了手感極差且容易故障的「蝶式鍵盤」。這項設計引發了用戶的廣泛批評和集體訴訟，最終蘋果在後續機型中不得不改回傳統的剪刀腳鍵盤設計。這些案例都警示著，當對輕薄的追求超越了實用性的底線，失敗便在所難免。 ### 3. 軟體危機：當最大的敗筆不再是硬體 一個令人意外的趨勢是，近年來蘋果最令人失望的產品，可能不再是某個實體硬體，而是其軟體體驗的倒退。 多家外媒在進行 2025 年終盤點時，不約而同地將矛頭指向了蘋果的軟體。例如，外媒 Macworld 直言，2025 年最失敗的蘋果產品並非叫好不叫座的 iPhone Air，而是全新的「Liquid Glass 液態玻璃」設計語言。這套強調半透明效果的介面，因「干擾視覺觀看」而受到大量用戶批評。 與此同時，PhoneArena 則將票投給了 Apple Intelligence。蘋果大張旗鼓宣傳的 AI 功能被批評為「雷聲大雨點小」，實際體驗與用戶期待存在巨大落差，而最關鍵的「AI 版 Siri」甚至需要延後至 2026 年才能登場。 這種軟體成熟度的不足，也直接影響了最新的硬體。iPhone 17 系列上市後，用戶回報了大量與 iOS 26 系統相關的災情，包括 App 頻繁閃退、操作延遲、手機異常發燙和網路爆 Ping 等問題。這一切都指向一個結論：當軟體成為絆腳石時，再強大的硬體也難以發揮其應有的實力。 ### 4.. 為了設計而設計：那些外表完美卻極不實用的經典 回顧蘋果的產品史，不難發現一些因過度追求美學，而犧牲了基本實用性的經典設計失敗案例。這些產品外觀或許堪稱藝術品，但在日常使用中卻讓人哭笑不得。 #### 圓形滑鼠 (Hockey Puck)： 1998 年隨 iMac G3 推出，其完美的圓形設計讓用戶完全無法透過觸覺辨識滑鼠的方向，導致操作時頻繁轉動，使用起來極為不便。 #### Magic Mouse： 為了維持其渾然一體的簡潔外觀，蘋果將 Lightning 充電孔設計在了滑鼠底部。這意味著在充電時，滑鼠必須「翻肚朝天」，完全無法使用，成為了一個廣為流傳的設計笑話。 #### 第一代 Apple Pencil： 它的充電方式堪稱荒謬。用戶需要將筆尾的蓋子取下，將其直接插入 iPad 的 Lightning 埠進行充電。這個姿勢不僅看起來非常愚蠢，而且在充電時極易因碰撞而損壞 Pencil 或 iPad 的接口。 #### iPhone 4 天線門： iPhone 4 創新的金屬邊框天線設計驚艷了世界，但很快用戶就發現，只要以特定的「錯誤握持姿勢」握住手機，其行動網路訊號就會大幅衰退。蘋果最初甚至建議用戶「改變你拿手機的方式」，引發了巨大的公關危機。 這些案例共同指向一個核心問題：在蘋果的設計流程中，有時「解決一個不存在的問題」（如滑鼠的方向性）或「堅持一種美學」（如一體成型的底部）的優先級，會高於用戶的基本使用體驗。這是一種將設計師置於用戶之上的「危險傾向」。 ### 結論：從失敗的灰燼中，窺見創新的未來 蘋果的歷史證明，即使是世界上最成功的科技公司，其通往巔峰的道路也鋪滿了無數次的失敗與修正。 這些案例不應僅被當作趣聞軼事。它們是每一位創新者、設計師和產品經理的寶貴教材，深刻地提醒我們：偉大的產品需要在前衛的理想與殘酷的現實之間找到精妙的平衡。價格、耐用性、實用性和軟體穩定性，從來都不是可以為了美學或理念而輕易犧牲的次要選項。 與其問蘋果能否再創革命，不如問，當下一個 Vision Pro 或 iPhone Air 擺在我們面前時，我們是否能從這些歷史的灰燼中，看穿「魔法」的表象，直指其為了創新而做出的真實取捨？而這，或許才是蘋果失敗教案中，最值得我們學習的一課。 參考資料： [1. 25 Apple Failed Products: Biggest Flops, Notable Failures & What Went Wrong](https://startuptalky.com/apple-failed-products/) [2. 【購機技巧】蘋果iPhone 17/Air系列最新災情回報！缺點及使用心得評價一次看！](https://www.jyes.com.tw/news.php?act=view&id=13541) [3. 蘋果2025年最失敗產品出爐！外媒狠批是它：不是iPhone Air](https://3c.ltn.com.tw/news/64394) ## 三、2025 年末全球資安態勢分析報告：React2Shell 危機與 OT 安全轉型 2025 年底，全球網路安全領域面臨了雙重挑戰。一方面，網頁開發框架 React 爆發了編號為 CVE-2025-55182（俗稱 React2Shell）的滿分（CVSS 10.0）重大漏洞，導致針對企業與政府機構的大規模攻擊；另一方面，隨著數位轉型深入，營運技術（OT）與 IT 的界線日益模糊，促使企業必須重新思考資安治理架構。本報告整合了技術細節、威脅情資與產業趨勢，提供全面的態勢分析。 ### React2Shell (CVE-2025-55182) 漏洞危機 #### 漏洞技術本質與嚴重性 CVE-2025-55182 是一個影響 React Server Components (RSC) 的遠端程式碼執行（RCE）漏洞，CVSS 評分高達 10.0。該漏洞存在於 React 的「Flight」通訊協定中，攻擊者無需通過身分驗證，僅需發送一個惡意構造的 HTTP 請求，即可利用不安全的反序列化機制在伺服器上執行任意程式碼。受影響的框架包括廣泛使用的 Next.js（版本 15.x、16.x 等）以及 React 19 相關套件。 #### 全球與區域性攻擊活動 漏洞揭露後，攻擊活動迅速升溫。根據 Cloudflare 的數據，從 12 月 3 日至 11 日，共偵測到 5.82 億次攻擊嘗試，高峰時段每小時攻擊次數超過 1,200 萬次。 ##### 針對台灣的特定威脅： 調查顯示，攻擊者高度鎖定台灣、越南、日本等地的網路環境。特別值得注意的是，駭客利用 SSL 憑證資料精確篩選目標，針對台灣的政府機關、學術研究機構以及負責稀有金屬、核燃料進出口的關鍵基礎設施單位進行攻擊。攻擊者刻意過濾掉中國的 IP 位址，顯示出具有特定地緣政治動機的針對性。 #### 威脅行為者與惡意酬載 Google 威脅情資小組（GTIG）已識別出至少 5 個與中國有關聯的威脅組織正在利用此漏洞，部署多種惡意工具： ##### UNC6600： 部署 MINOCAT 隧道軟體，建立隱蔽通訊管道。 ##### UNC6586： 使用 SNOWLIGHT 下載器來檢索後續的惡意酬載。 ##### UNC6588： 植入 COMPOOD 後門程式，這是一種歷史上與間諜活動有關的工具。 ##### UNC6603： 部署更新版的 HISONIC 後門，利用合法的雲端服務（如 Cloudflare Pages）來隱藏惡意流量。 ##### 經濟動機攻擊： 除了間諜活動，亦觀察到大量部署 XMRig 加密貨幣挖礦軟體的攻擊行為。 ![圖片](/posts/22/3.png) (React2Shell 漏洞利用鏈示意圖。顯示攻擊者如何透過構造惡意 HTTP 請求，利用 resolved_model 狀態與 \_formData.get 屬性，最終在伺服器端觸發 child_process 執行任意指令。(圖片來源概念參考：Trend Micro 技術報告) ) ### 營運技術（OT）資安現況與趨勢 在應對 React2Shell 這類新興 Web 威脅的同時，企業對 OT 環境的防護也在 2025 年出現顯著轉變。 ##### 資安結構結構的轉移 根據 Fortinet 的年度報告，企業正將 OT 資安責任集中化。2025 年，已有 52% 的企業表示其 OT 安全由資安長（CISO）負責，這一比例相較於 2022 年的 16% 有了顯著成長。這反映出企業已意識到 OT 風險是整體業務風險的一部分，並將其納入高階管理層的職責範圍。 ##### 資安成熟度與事故關聯 調查顯示，資安成熟度與遭受入侵的次數呈現高度負相關。自評為高成熟度（等級 3 或 4）的組織，在 2025 年經歷的資安事件明顯較少。具備等級 4 成熟度的企業（即能透過威脅情資與自動化進行持續優化），有 65% 回報零入侵事件。 ##### 威脅情資與平台化 2025 年的一個關鍵趨勢是「威脅情資」導入率激增了 49%。成熟的企業正傾向於整合供應商，78% 的組織表示僅與 1 至 4 家 OT 資安供應商合作，透過平台化架構來降低複雜度並提升可視性。 ### 綜合防禦建議 面對 React2Shell 的立即威脅與 OT 安全的長期挑戰，綜合各大資安機構建議如下： 立即修補 React2Shell 漏洞： 企業應優先清查並更新受影響的 Next.js 與 React 套件至修補版本（如 Next.js >= 15.1.3, React >= 19.0.1）。 由於攻擊者可繞過 WAF 規則，單純阻擋特定關鍵字（如 **proto**）並不足夠，修補是唯一根本解法。 #### 強化邊界與身分防護： 針對無法立即修補的系統，應部署針對性的 WAF 規則以攔截惡意序列化特徵。 監控異常的伺服器外連流量（如 wget 或 curl 指令），特別是由 Web 服務程序發起的連線，這通常是下載惡意酬載的前兆。 #### 提升 OT/IT 整合可視性： 依據 Fortinet 建議，組織應持續推動 OT 資安納入 SecOps（資安營運）規劃，並建立涵蓋 OT 環境的事件應變劇本。 利用平台化架構整合分散的資安工具，減少監控盲點。 ### 總結 2025 年末的資安態勢凸顯了現代應用程式框架（如 React）供應鏈漏洞的巨大破壞力。React2Shell 漏洞因其低利用門檻與高權限影響，已成為國家級駭客與網路犯罪組織的共同目標，且攻擊活動已針對台灣關鍵基礎設施展現出高度針對性。與此同時，OT 資安治理的成熟化顯示企業正逐步建立更強韌的防禦體系。面對 2026 年，企業必須加速漏洞修補流程，並將威脅情資深度整合至 IT 與 OT 的防禦策略中。 資料來源: [CVE-2025-55182: React2Shell Analysis, Proof-of-Concept Chaos, and In-the-Wild Exploitation-《trendmicro》](https://www.trendmicro.com/en_us/research/25/l/CVE-2025-55182-analysis-poc-itw.html) [Multiple Threat Actors Exploit React2Shell (CVE-2025-55182)-《google cloud》](https://cloud.google.com/blog/topics/threat-intelligence/threat-actors-exploit-react2shell-cve-2025-55182) [2025 年營運技術與資安現況報告-《fortinet》](https://www.fortinet.com/content/dam/fortinet/assets/white-papers/zh_tw/report_ot-cybersecurity-2025-TW.pdf) [滿分資安漏洞React2Shell利用活動急速升溫-《ithome》](https://www.ithome.com.tw/news/172833) [Defending against the CVE-2025-55182 (React2Shell) vulnerability in React Server Components-《microsoft》](https://www.microsoft.com/en-us/security/blog/2025/12/15/defending-against-the-cve-2025-55182-react2shell-vulnerability-in-react-server-components/) 由NotebookLM協助統整分析

#科技週刊

第二十一期

2025-12-20

## 一、大火中的反思:從雅加達大火，探討鋰電池的安全性 ### 印尼雅加達慘烈鋰電池大火事故與使用安全指南 12/9 當天，印尼首都雅加達發生一場慘絕人寰的大火事故，至少造成 22 人身亡，其中包括一名孕婦。這起事故研判是由於日本無人機公司在當地設的分公司，在幫鋰電池充電時短路導致起火。 ![圖片](/posts/21/3.png) 事實上，自從鋰電池在民間大量使用後，就時常導致各種事故，也因此，我們需要在使用時格外注意。那麼，使用鋰電池時究竟有哪些需要注意的事項呢？ --- ### 鋰電池容易出問題的原因 首先，我們要先知道，鋰電池之所以容易出事情，是因為一種名為「熱失控」的現象。那麼熱失控是怎麼引起的呢？ 鋰電池內部除了正負極以外，還含有電解液、隔離膜等構造，這些物質導致鋰電池在高溫下會有不穩定的情況。鋰電池在內部或外部因素影響下，可能會導致電解液快速分解，並產生氧與可燃物質，也就是燃燒所需的必要物質。此時，如果熱量遲遲無法散去，就會導致鋰電池起火事故。 #### 可能引發熱失控的四種情況 1. 過度充電 2. 物理性損傷（撞擊等） 3. 內部短路 4. 高溫環境 像這次的雅加達大火，初步推斷就是因為 **內部短路** 導致。在平時的情況，小型電器產品可能只有 1~2 顆鋰電池，造成的損害就已經十分可觀；何況在電動車、無人機等情況下，可能含有數百顆鋰電池，造成的損害更是巨大，因此必須格外注意。 --- ### 預防鋰電池事故的方法 那麼我們又該怎麼預防事故呢?除了在日常生活中，遵守「選原廠、勿過充、遠高溫、離易燃、防摔撞、不邊用」的口訣，還可以選用符合國際檢驗標準(例如:UL)的鋰電池，這些檢驗標準通常會透過過充、撞擊等測試，在通過標準後，才會讓這些鋰電池貼上通過檢測的標章。 ![圖片](/posts/21/4.png) (鋰電池的事故原因與預防) 以上就是關於鋰電池事故的分析與預防的報導，各位讀者未來在選用鋰電池時，除了日常生活中的四處留意，也可以注意一下購買的產品是否符合國際檢驗標準，這樣才能用得安心喔! [中央社通訊報導:雅加達大火](https://www.cna.com.tw/news/aopl/202512090360.aspx) [TVBS報導:雅加達大火](https://www.youtube.com/watch?v=GgrOpPDem-w&t=2s) [UL專題論壇:「鋰」清問題 UL 公開電池失效分析「爆」你知](https://taiwan.ul.com/blog/201809_batterynewconcept/) [正德防火:鋰電池起火時滅火方法怎麼做?](https://www.cheng-deh.com.tw/Lithiumbatteryfirecause) ## 二、雙雄爭霸：Google vs. OpenAI 2025 年底對決分析 在2025年12月中旬時，人工智慧領域迎來了從2017年以來 Transformer 架構誕生以來最關鍵的技術分岔，Google DeepMind 與 Open AI 在通往 AGI 的過程選擇了不同的架構哲學以及工程實踐。Open AI 發布的GPT-5.2 依然是「縮放定律（Scaling Laws）」，其核心策略在於透過指數級增加的參數規模（Parameter Count）與混和專家模式（MoE）的精細化調度，試圖在現有的 Transformer 架構下暴力破解邏輯推理與程式碼生成的邊際效應遞減問題；根據《中央社》的報導指出，GPT-5.2 的優勢在於其強大的通用推理能力，特別是在數學與複雜邏輯的任務上達到了SOTA水準，但其代價是保留傳統的注意力機制（Attention Mechanism）的 O(N2) 二次方計算複雜度，導致在處理極長文本時，KV Cache（鍵值緩存）的記憶體佔用與推論成本呈現不可持續的成長。相對的 Google DeepMind 在NeurIPS 2025 大會上發布的「Titans」架構試圖從底層數學上解決這一瓶頸，DeepMind 團隊引入了類似 NTM 概念的「神經記憶模組」搭配MIRAS系統，這種架構允許模型在推理過程中動態的將短期注意力轉換為長期權重存儲，從而實現複雜度 O(N) 的上下文處理能力；正如《鉅亨網》引述 Demis Hassabis 的深度訪談中所述，Titans 架構讓 AI 具備了「遺忘」與「提煉」的能力，這意味著它能在有限的記憶體預算下處理理論上無限長度的上下文（Infinite Context Window），這被學術界視為超越 Transformer 的下一代架構範式。 ![圖片](/posts/21/1.png) 在多模態感知與物理世界模擬的維度上，雙方的競爭焦點已從生成式媒體（Generative Media）轉向了具身智能的前置技術——「世界模型」（World Models）。Google DeepMind 推出的 Genie 3 代表了從「像素預測」到「狀態空間模型」（State Space Models）的重大躍遷；根據《MultiLingual》與 Axios 峰會的資料指出，Genie 3 不僅僅是生成影片，它在潛在空間（Latent Space）中構建了一個符合物理法則的可互動環境，使用者對場景的操控（Action）能即時影響環境的反饋（Observation），這種「預測下一個狀態」而非僅僅「預測下一個像素」的能力，是訓練機器人實現 Sim-to-Real（從模擬到現實）遷移的關鍵。相比之下，OpenAI 的 GPT-5.2 雖然在多模態融合上做到了極致，將視覺編碼器（Visual Encoder）與語言模型進行了原生對齊，但其本質仍側重於「感知與描述」，而非「模擬與互動」，這反映了 OpenAI 當前更傾向於打造全能的數位助理，而非 Google 側重的實體機器人大腦。 ![圖片](/posts/21/2.png) 最後，在商業變現與倫理邊界的博弈中，技術成本結構（Cost Structure）深刻影響了產品決策。OpenAI 計畫於 2026 年第一季推出「成人模式」（Adult Mode）的決定，不應僅被視為內容政策的鬆綁，而應解讀為在極高昂的推論成本壓力下，尋求高 ARPU（每用戶平均收入）與高用戶黏著度（Retention Rate）的生存策略；根據《時代雜誌》的報導分析，隨著模型規模擴大，單次對話的能源與硬體折舊成本劇增，OpenAI 必須開發出能讓用戶長時間停留且願意支付溢價的應用場景，而解禁經過年齡驗證的 NSFW 內容正是為了吸納創意工作者與高頻互動用戶。反觀 Google，憑藉其對 Android 作業系統與 TPU（張量處理單元）硬體生態的掌控，選擇了「Project Astra」這條路徑，將 Gemini 模型蒸餾（Distillation）後深度整合至終端設備，其賭注在於透過邊緣運算（Edge Computing）分擔雲端算力成本，並利用無所不在的 OS 入口建立護城河，這與 OpenAI 依賴單一超級應用程式（Super App）的策略形成了鮮明對比。 [OpenAI發表GPT-5.2　號稱「最聰明通用模型」與Gemini 3較勁－《中央社》](https://hao.cnyes.com/post/213953) [AGI只剩5–10 年！GoogleDeepMindCEO：必須把Scaling推到極限，還需1-2個Transformer級重大突破－《鉅亨網》](https://hao.cnyes.com/post/213953) [Google DeepMind 執行長：距離 AGI 還需 5 至 10 年，AI 發展機會與風險並行－《鏈新聞》](https://abmedia.io/google-deepmind-ceo-agi-interview) [The Architects of AI Are TIME’s 2025 Person of the Year－《TIME》](https://time.com/7339685/person-of-the-year-2025-ai-architects/) ## 三、Samsung Galaxy S26 Edge 可能具備 5.5mm 超薄設計，令人期待的規格曝光 ### 拋開規格參數：三星 Galaxy S26 洩漏資訊真正揭示了什麼？ 一項失敗的策略 對科技愛好者來說，每年智慧型手機的爆料都像是一場熟悉的儀式。 CAD渲染圖、規格表和模糊的照片會一股腦地慢慢揭開下一代旗艦的神秘面紗。我們期待著了解更快的晶片、更好的鏡頭，或許還有新的配色。但今年，圍繞三星Galaxy S26系列的爆料講述了一個更引人入勝的故事——一個超越了像素和刷新率的故事。 從論壇、爆料者和國際科技網站拼湊起來的信息碎片，揭示了一幅充滿雄心壯志、卻又令人意外的失敗，以及整個智慧型手機行業令人不安的真相的圖景。這些資訊表明，這家科技巨頭誤判了用戶，在基礎工程難題上舉步維艱，並且陷入了可能沒有贏家的模仿遊戲。 這不僅僅是關於另一款手機。 S26 的洩漏資訊讓我們得以窺見三星企業策略變革的幕後真相。以下四個最具影響力的要點揭示了三星以及整個行業正在發生的真實情況。 --- ### 1. 超薄夢想正式破滅 S26洩漏事件中最引人注目的消息是三星據稱已取消Galaxy S26 Edge的發布。此舉實際上終結了三星在推出S25 Edge之後僅僅一代的「超薄」手機實驗。這項決定並非一時興起，而是對殘酷市場回饋的直接回應。 根據市場數據，S25 Edge 的銷售慘淡，僅 131 萬支。這一數字與銷量達 828 萬部的標準版 S25 以及銷量高達 1218 萬部旗艦版 S25 Ultra 相比，簡直相形見絀。消費者的回饋很明確：為了追求極致纖薄而做出的妥協並不值得。 可靠消息來源 UniverseIce 的爆料進一步印證了這個結論，他明確表示： > "Galaxy S26 Edge 確定已被取消，這消息100％正確。" > (Galaxy S26 Edge is confirmed to be canceled, this news is 100% correct.) 但故事真正引人入勝之處在於：三星選擇退縮，而主要競爭對手卻加倍投入。蘋果的競品 iPhone Air 也遭遇了類似的慘淡市場反響，最終導致減產。然而，據報道，蘋果“似乎並未氣餒”，並且已經在研發“Air 2”。這不僅是產品取消，更是一次戰略抉擇。兩家全球最大的科技公司看到了完全相同的市場訊號，卻得出了截然相反的結論——一家放棄了超薄手機的嘗試，另一家則堅信自己仍能取勝。 --- ### 2. 模仿競爭對手注定失敗 洩漏的討論內容，尤其是在 Reddit 上，反覆出現的主題是三星「厚顏無恥地抄襲蘋果」的廣泛批評。雖然模仿在科技領域很常見，但 S26 的洩漏資訊表明，這種策略從根本上就是錯誤的。單純複製市場領導者的設計語言並不能保證成功——事實上，這很可能是失敗的根源。 一位 Reddit 用戶，透過一篇強而有力的分析，闡明了這種方法的核心問題，直擊品牌識別的本質：webguynd > 「抄襲的問題在於，最終只會讓那些真正使用過蘋果生態系統的人感覺自己像個廉價仿冒品。三星手機從參數上看遙遙領先，但試圖模仿蘋果卻讓三星錯失了蘋果所擁有的那種心理魔力。僅僅模仿蘋果並不能讓蘋果用戶轉投三星陣營，因為他們會立刻注意到那些細微的差別，而正是這些差別讓他們感到反感。」 這項洞察揭示了一個至關重要的教訓：真正的品牌忠誠度並非源自於盲目模仿競爭對手的美學，而是來自差異化、發揮自身優勢以及打造獨特的品牌形象。對三星而言，試圖成為比 iPhone 更好的品牌注定失敗；洩漏的資訊表明，它真正的機會在於成為更好的三星。 --- ### 3. 工程悖論：機身越薄，問題越大 從紙面上看，三星 S26 Edge 的設計目標就是徹底擊敗競爭對手。它有望在多個方面超越 iPhone Air，擁有更薄的機身（5.5 毫米），同時配備容量更大的電池（計劃容量為 4200 毫安時，而蘋果的電池容量約為 2900 毫安時）。這無疑是對蘋果的直接挑戰，看起來也是明顯的工程勝利。 然而，洩漏的資訊表明，這項雄心壯志在工程上卻是一場噩夢。Gadget Hacks 報告的電池規格波動劇烈，從最高的 4400mAh 到最低的 4078mAh 不等，清楚地表明了該媒體所說的「尚未解決的工程權衡」。追求超薄機身帶來了巨大的技術挑戰，涉及散熱管理、製造工藝限制和結構完整性等方面。 歸根究底，S26 Edge 的取消不僅是未能解決一款產品的問題，更是更大戰略失誤的徵兆。工程上的困境凸顯了三星日益嚴重的「電池創新不足」。當三星還在為 300mAh 的微小提升而沾沾自喜時，中國競爭對手已經利用先進的碳矽技術，將 6000mAh 的電池裝入手機。S26 Edge 的失敗證明，三星在關鍵的技術競賽中已經落後，無法將紙面上的優勢轉化為市場變革帶來的實際收益。 --- ### 4. 創新只是一個遞迴循環 「三星抄襲蘋果」的說法雖然簡單明了，但洩漏的資訊揭示了一個更為複雜有趣的現實。「抄襲」是整個科技業普遍存在的多向現象。這些指控並非毫無根據，但卻並不全面。 Reddit 上的討論充分展現了這個世界的相互連結有多麼緊密。請看以下這些例子，它們都來自洩漏的資訊： - 蘋果公司在 iPhone 17 Air 的設計中抄襲了谷歌 Pixel 的標誌性相機「遮罩」。 - 有人將 Google 的 Material 3 設計語言描述為「深受 iOS 的影響」。 - 蘋果公司備受讚譽的 MagSafe 技術基於開放的 Qi2 標準，而 Qi2 標準本身又源自於 Palm Touchstone 等更古老的技術。 - 眾所周知，蘋果在主畫面自訂和剪貼簿功能方面比 iOS 晚了好幾年才推出，而這兩項功能在 Android 上早已臻於完善，遠早於 iOS 的出現。 Reddit 用戶對此進行了完美的總結，他看到了超越部落品牌忠誠度的更宏觀的視角：FunGuy8618 > 「這感覺就像一個遞歸循環，蘋果竊取了三星手機上已經完善的開源技術，並將其置於封閉的生態系統中；谷歌開放了生態系統，並將其置於開源手機上；三星掌握了這項技術，並製造出專門為此設計的手機，如此循環往復。」 或許，不斷指責抄襲的做法忽略了重點。整個產業都處於一個回饋循環之中，好的創意最終會被所有人採納。正是這種產業範圍內的回饋循環，使得先前被批評的簡單粗暴的模仿顯得如此錯誤。在一個所有好創意最終都會被普遍接受的生態系統中，真正的價值不在於成為一個更好的克隆者，而在於成為原創者或最佳的整合者——三星正在為此付出慘痛的代價。 --- ### 結論：進步的新定義 Galaxy S26 的故事不僅是一款被取消的手機；它更是一堂現代科技戰略課。洩漏的資訊揭示了市場對超薄妥協的斷然拒絕、模仿的戰略死胡同，以及整個行業創新之間錯綜複雜的聯繫。三星取消 S26 Edge 的計劃，公開承認了科技進步不再以毫米級的尺寸來衡量。 隨著旗艦手機設計不可避免地趨於一致，產業創新循環不斷，S26 Edge 的故事迫使我們提出一個關鍵問題：下一個真正的飛躍將來自哪裡？這個故事是否證明，它不會來自再減少一毫米的厚度？ [Exclusive: Official Samsung Galaxy S26 Edge CAD Renders Leak](https://www.reddit.com/r/Android/comments/1n960x4/exclusive_official_samsung_galaxy_s26_edge_cad/) [Galaxy S26 Pro 與 S26 Edge 的洩漏資訊顯示熟悉的失望](https://www.techritual.com/2025/09/12/447852/)

#科技週刊

第二十期

2025-12-06

## 一、程式貓迎來二周年! 科技週刊復刊啦 程式貓在 12/6 這天迎來了他的兩歲生日，在這兩年間，我們停止了許多計畫，也往許多新的方向發展，成員也有了些許變化。而在這個具有紀念意義的日子，我們決定將之前曾擁有眾多讀者的「程式貓科技週刊」恢復，再一次將科技界的新鮮事帶給各位! 現在的科技週刊將會改為一期三篇，兩週一期為週期發刊，內容包刮但不限於科技新品、人工智慧新功能、新的電子工具等內容，亦或者是多種當紅電腦工具的教程。每篇都由專精不同領域的小編撰寫而成，未來也會有更多精彩內容，還請各位敬請期待! ![圖片](/posts/20/1.png) ## 二、Gemini 3 真的如大家說的那麼強大嗎? 強項與弱項大解密 幾週前 Google 釋出了全新的模型「Gemini 3」引爆話題，社群媒體不斷瘋傳各種由 Gemini 產出的作品。最廣為人知的就是大家拿它來做許多遊戲、管理系統等等，更讓人驚豔的是其對於立體場景掌握得恰到好處，彷彿模型真的理解了物理世界。 ![圖片](/posts/20/2.png) 由 Gemini 建立的 3D 遊戲 根據官方文件的描述，Gemini 3 Pro 是完全由 Tensor Processing Units（TPU）訓練而成，並重新設計整個訓練方法，並不是單純的版本號改動而已。這些基礎建設使得 Google 公司能夠完整的掌握從硬體到軟體的完整生態系，為往後開發與技術迭代提供優良的基礎。在此之上訓練出來的 Gemini 3 Pro 刷新了基準測試中許多項目，是名義上的最強大模型。其中 Google 公司最引以為傲的無庸置疑的是他強大的推理能力，以及原生多模態帶來的語意理解提升。 ![圖片](/posts/20/3.png) 基準測試 ![圖片](/posts/20/4.png) 然而實際將 Gemini 放入開發工作流程中效果往往沒有如同描述中那般強大，在複雜的工程中 Gemini 常常會發生鬼打牆的問題，無法正確完成目標，對於實現自動化的開發完整專案還有很長的一段路要走，不足以對 Claude 構成威脅。但若你是完全不懂技術的使用者，只會直接在 ai studio 上使用的話，以目前前端的畫質跟完整性來說還是很值得嘗試的。 總結來說 Gemini 3 是一次革命性的更新，帶來了更好的回答品質，並與 Google 現有服務進行了更深度的整合。除了須長期維護的專案外，是可以拿 Gemini 3 開發很多個人使用的軟體，或是一些簡單的小遊戲。Claude 繼續專精於專業開發者客群，而 Gemini 則走向與 Firebase 、圖片生成等技術整合的架構，讓零基礎的大眾更好上手。 ## 三、iPhone 17 WiFi 效能實測解析~ N1 晶片如何改寫無線體驗 ### 摘要 蘋果在 iPhone 17 系列中導入的自研 N1 晶片，根據 Ookla 的實測數據，實現了 Wi-Fi 速度近 40% 的提升。蘋果正將其硬體控制力，從核心的 CPU/GPU 延伸至關鍵的無線連接模組，為未來鋪路。 ### 實測數據說話：速度提升最高達 40% 根據 Ookla 最新發布的全球實測報告，蘋果在 iPhone 17 系列中首度導入的自研N1無線晶片，確實帶來令人驚豔的 Wi-Fi 效能提升。這項涵蓋全球主要市場、為期 40天的大規模統計顯示： - 全球平均提升：iPhone 17 系列較 iPhone 16 系列 Wi-Fi 傳輸速度最高提升近 40 - 美國市場表現：中位數下載速度從 350 Mbps 躍升至 409 Mbps，增幅達 17% - 多國驗證：在英國、法國、日本、印度等主要市場均呈現一致性的效能進步 ### N1 晶片的技術突破：不只求快，更要求穩 ![圖片](/posts/20/5.png) 底層架構重新設計 與 iPhone 16 系列採用 Broadcom 現成方案不同，蘋果 N1 晶片實現了從硬體到韌體的深度優化。業內專家分析，這顆晶片的核心價值在於： - 智慧訊號處理：即使在訊號強度較差的環境下，仍能維持穩定連線 - 功耗平衡：在效能與電池續航間取得更好平衡 - 系統級整合：與 iOS 系統深度協作，減少傳輸延遲 ### 實際體驗升級 「這不僅是實驗室內的理論數字，」一位提前體驗的開發者表示，「在辦公室角落、家中隔間較多的房間，iPhone 17 的 Wi-Fi 連線確實更加可靠，視訊通話斷線率明顯降低。」 Wi-Fi 7 支援的現實意義：160MHz 頻寬夠用嗎？ ### 技術規格解析 雖然 N1 晶片支援的 Wi-Fi 7 頻寬上限為 160MHz，未達理論最高的 320MHz，但專家認為： - 現實環境限制：目前市售路由器多數仍以 160MHz 為主流配置 - 干擾考量：320MHz 在擁擠的無線環境中更容易受到干擾 - 性價比平衡：160MHz 在效能與成本間取得最佳平衡點 #### 用戶無感差異 「對99%的用戶來說，根本感受不到這個規格限制，」網路設備分析師指出，「現有網路環境和服務頻寬才是真正的瓶頸。」 儘管 iPhone 17 系列進步顯著，但在全球平均下載速度上： - Pixel 10 Pro 系列：335 Mbps - iPhone 17 系列：329 Mbps ![圖片](/posts/20/6.png) Ookla 速度測試報告 #### 這顯示 Android 陣營在無線技術上同樣急起直追，未來競爭將更加激烈。 產業影響：蘋果自研晶片的戰略意義 技術自主關鍵一步 N1 晶片的成功，代表蘋果在無線通訊領域實現了重要的技術突破： - 擺脫供應商限制：減少對 Broadcom 等第三方晶片的依賴 - 生態系整合：為未來「蘋果全產品線無線互通」鋪路 - 成本控制：長期來看有助降低硬體成本 ### 未來應用想像 業界猜測，N1 晶片技術未來可能延伸至： - Vision Pro 後續產品：提升無線串流品質 - HomePod 與 Apple TV：強化家庭娛樂網路 - 車用系統：為 Apple Car 提供穩定連線基礎 對於正在考慮升級的用戶： - 重度網路使用者：iPhone 17 的 Wi-Fi 升級確實有感 - 現有 iPhone 16 用戶：若非特殊需求，可評估實際使用情境 - 家庭環境訊號不佳者：穩定性提升值得考慮 ### 結語 蘋果 N1 晶片的登場，不僅是技術規格上的進步，更是用戶體驗的實質提升。在「速度」與「穩定」的雙重追求下，蘋果再次證明自研晶片的戰略價值。隨著無線網路在日常生活中扮演越來越重要的角色，這樣的技術進步，將直接轉化為用戶每一天的更佳使用體驗。 程式貓科技週刊將持續追蹤 N1 晶片後續發展，以及其在更多蘋果產品線上的應用可能性。 --- 另外，各位讀者如果有想要額外了解的內容，或者想要反饋的評論，都歡迎聯絡我們!各位的意見我們都很願意傾聽與改善! 最後還請各位支持與閱讀，下期再見!

#科技週刊

第十九期

2024-10-26

程式貓開源啦！這一次我們一共推出兩個專案，希望能夠幫助大家學習網站撰寫的路上更加地順利。網站分別是程式貓社群的官方網站，以及本社群與中和高中合作製作的 FRC 管理系統，在這兩個專案中你能夠學習到如何從零開始建構一個網站，並實際部屬到網際網路上供大家瀏覽。讓我們開始看看這兩個專案吧！ > 程式貓 Github 主頁: https://github.com/codecat-tw ## 一、開源專案「codecat-tw 程式貓社群官網」介紹 > https://github.com/codecat-tw/codecat-web 這是一個基於 Docusaurus 的開源網站，專案同步作為程式貓社群的官方網站。專案採用 MIT 開源，因此你可以使用這項專案來做任何你所想要的事，只需要標註來源出處即可。如果你是一個程式新手，正在研究如何建立一個實際能夠使用的網站，我們認為這個專案是很好的起點。 我們推薦你能夠做的事: - 閱讀原始碼來了解網站架構 - 複製我們的「程式貓科技週刊」並以標註來源的方式轉發 - 拉取我們的整個網站，並將內容替換成你所需要的 做為以科技教育為核心的社群，如果你在使用上遇到任何困難也都可以直接聯繫我們，團隊將免費的回答您的問題。 ### 網站架構 本專案的網站是基於 Docusaurus 架構的靜態網站生成器所建置。Docusaurus 是一個專為技術文件設計的框架，支援 Markdown 撰寫，且具備靈活的插件擴展能力。我們在專案中實作與運用了以下的功能，你能夠直接點選連結來查看對應的檔案。 - 網站首頁: 提供社群的簡介及最新動態，並放置熱門內容。 - 科技週刊: 放置每週發佈於官網的「程式貓科技週刊」，該週刊為科技類週刊的領導品牌。 - 公告系統: 用於放置活動、公告、宣傳等雜項的文章檔案。 - 社群介紹: 透過可自訂的網頁你可以提供長住的資訊頁面，如我們撰寫的「關於我們」、「服務條款」等頁面。 ### 製作你的網站 如果你想要基於我們的專案來建立自己的網站，以下是簡單的步驟： 1. 拉取專案: 透過 git clone 指令將程式貓社群的網站專案拉取到本地。 2. 安裝依賴: 使用 npm install 來安裝專案所需的依賴項。 3. 修改內容: 打開 src 資料夾，將裡面的 Markdown 文件及靜態資源替換成你自己的內容。 4. 部署網站: 當你完成所有修改後，即可部屬到像是 GitHub Pages、Netlify 或 Vercel 這樣的伺服器上。 程式貓社群提供了完整的技術支援，如果你在建置過程中遇到任何問題，都可以透過社群平台與我們聯繫，社群成員會熱心協助你解決。 ## 二、開源專案「frc8569-web FRC團隊管理系統」介紹 > https://github.com/codecat-tw/frc8569-web 這是一個基於 Next.js 的開源網站，專案同步作為中和高中FRC團隊的管理系統。專案採用 MIT 開源，因此你可以使用這項專案來做任何你所想要的事，只需要標註來源出處即可。如果你想要簡單且快速地建立一個活動報名或場地管理網站，這個專案會是一個好選擇。 我們推薦你能夠做的事: - 閱讀原始碼來了解網站架構 - 拉取我們的整個網站，並將內容替換成你所需要的 ### 認識專案 本專案是由中和高中FRC團隊委託程式貓社群製作與維護，旨在將校內團隊練習的申請數位化、自動化。業務由程式貓開發組長 YD 負責處理，目前專案已順利投入使用。經過與團隊的多次溝通後，我們決定將網站開源，希望能幫助其他學校、開發者更快速的開發管理用途的網站。 ### 網站架構 本專案的網站是基於 Docusaurus 架構的靜態網站生成器所建置。Docusaurus 是一個專為技術文件設計的框架，支援 Markdown 撰寫，且具備靈活的插件擴展能力。我們在專案中實作與運用了以下的功能，你能夠直接點選連結來查看對應的檔案。 - 網站首頁: 提供團隊的簡介及最新動態，並放置使用介紹。 - 場地列表: 查詢所有可報名和歷史所有活動紀錄。 - 申請場地: 提供一個線上表單，填寫完成後將發送給管理員(老師)審核。 - 場地審核: 管理員頁面可以批准活動申請、撰寫評語、刪除活動等。 ### 開始製作 如果你想要基於我們的專案來建立自己的網站，以下是簡單的步驟： 1. 拉取專案: 透過 git clone 指令將程式貓社群的網站專案拉取到本地。 2. 安裝依賴: 使用 npm install 來安裝專案所需的依賴項。 3. 修改內容: 打開 src 資料夾，將裡面的 Markdown 文件及靜態資源替換成你自己的內容。 4. 部署網站: 當你完成所有修改後，即可部屬到像是 GitHub Pages、Netlify 或 Vercel 這樣的伺服器上。 5. 程式貓社群提供了完整的技術支援，如果你在建置過程中遇到任何問題，都可以透過社群平台與我們聯繫，社群成員會熱心協助你解決。 ### 加入我們 「程式貓」是由一群喜愛科技新知的高中生所經營，每週固定分享一則精選科技週刊，除此之外還會不定期分享有趣的小專案和議題討論。歡迎任何有興趣的人向我們詢問細節，並加入我們的大家庭，一起創建下一個奇蹟。

#科技週刊

第十八期

2024-10-07

## 一、OpenAI變更標誌帶來的反思！為什麼科技公司標誌都沒有設計感，甚至趨向單純的幾何圖形？ ### OpenAI品牌圖像爭議 最近ChatGPT的母公司OpenAI傳出準備進行組織重構，由原本的非營利機構和複雜的組織調整為更好的營利公司，以便應對目前人工智慧訓練非常燒錢的事實。同時根據網路上的說法，《Fortune》還提及了該公司也打算變更其的品牌識別標誌，以新的大「O」作為全新的識別標誌，期許帶給大家一種簡單易用、充滿活力的感覺。 ![圖片](/posts/18/1.png) 上圖是舊的標誌，是一個類似梅花的圖像。而目前根據為查證的網路輿論稱目前OpenAI內部員工極為反對新的「大O」設計，認為缺乏新意和品牌代表性，而設計師卻覺得能比原本好，兩方都各自擁有一群支持者。目前更新案尚未確定，留待未來才會揭曉，但在等待的時間我們也許可以看看其他案例。 ### 叉叉公司！三角形公司！ 網民戲稱的叉叉公司即是馬斯克旗下的「X，前稱推特」。在馬斯克於2023宣布進行品牌重塑後，推特就從原本的小藍鳥變成目前的「X」公司，而由於單個英文字母的圖標與叉叉非常相似即被戲稱為叉叉公司，這也是近期將品牌標誌設定成極簡風格的例子，而且同樣是英文字母。有了OpenAI的圈圈和馬斯克的叉叉，怎麼少的了三角形呢？Vercel是一間雲端服務供應商，為世界上許多網站提供了背後運作的基礎設施，其公司的符號就是一個非常簡單的黑色三角形。 ![圖片](/posts/18/2.png) ### 大型科技公司的變化 除了上述的這些公司之外，在不久之前X平台(前推特)上「[OH no Type Co](https://x.com/OHnoTypeCo/status/963529463353851905)」也幫我們整理了這些年來科技公司圖標的變化。這些公司原本都有特別設計圖標，但近年來都改成了很一般的字體，放棄了各種複雜的設計目的是為了帶給使用者一種單純清新的感覺，在現今各種五花八門的設計中以單純美取勝。 ![圖片](/posts/18/3.png) > 貓咪觀點: > 那大家有想過程式貓社群的圖像設計邏輯嗎？其實那隻貓咪是希望帶給各為一種親切的感覺，幫助減緩大家學習科技內容的壓力。

#科技週刊

第十七期

2024-10-4

## 一、IG短片聯集其實沒那麼可怕！這個功能究竟能做什麼呢？ ### 全新功能！短片聯集 最近許多人的IG聊天室都出現了一個笑臉符號，大概位置在右上角電話的旁邊，這就是全新的「短片聯集」。這項功能的目的是讓你和朋友一起觀賞Reels增加聊天的話題，然而大家實際使用後卻抱怨連連，甚至大罵官方非常變態，這究竟是怎麼回事呢？ ![圖片](/posts/17/1.png) ### 短片聯集運作模式 要理解大家之所以討厭這項功能的原因之前，我們要先來看看這項功能具體來說是怎麼運作的。首先聊天室中的任何一方，也就是你或者你的朋友都可以開啟，點入短片聯集後系統會發送邀請到聊天室中，只要對方同意後這項功能就正式啟用了。在短片聯集中，系統會依據雙方的喜好來輪流推薦影片，舉例來說第一部影片是系統針對自己的喜好推薦，下一部就會是依據對方的喜好推薦，同時是針對誰推薦的這項資訊會寫在短片資訊的旁邊，非常的一目瞭然。 ### 為什麼大家這麼害怕 了解它具體的運作模式後，我們來聊聊為什麼大家覺得這項功能很可怕很變態。小編親自詢問了周遭的許多朋友並在社群軟體上海巡收集輿論，可以發現大多數的人都著重在可以偷窺對方看的影片內容這點。沒有錯的，因為IG系統會根據你平常觀看影片的喜好給你推薦影片，但現在這個推薦影片會被其他人看到，也就是說對方會知道你的觀看習慣和嗜好。然而這樣真的很嚴重嗎？ 要記住短片聯集並不是直接把你觀看過的影片推薦給對方，也不會公開你的搜尋紀錄，他依舊只是一套推薦系統。通常在大部分的情況下會想要觀看你連續短集的人都不會過於陌生，也就代表著你平常觀看影片時按讚、留言乃至於分享其實都是有機率被分享給對方的，也就是在一定程度上對方早就可以了解你的觀看嗜好。再者聊天對象通常都是互相關注的狀態，對方關注了哪些創作者哪些主題其實本來就查的到，這項功能讓你有機會更加了解那些內容在幹嘛也不是壞事。 ![圖片](/posts/17/2.png) ### 試試看，不可怕 其實短片聯集打開後還是可以關閉的，所以大家不需要過於害怕這項功能。如果開了之後女朋友開始無理取鬧、或者是未來不幸分手都可以關閉，或者你就是單純不爽想要關閉也可以。如果還是擔心的話可以追蹤程式貓的IG並向我們發送請求，可以讓你們看看小編們平常都在看些什麼，你就會發現其實沒有那麼可怕...吧！ ### 短片聯集的冷知識 下面這些事是我發現許多人不知道的，同時其他新聞也都沒有提及的有趣冷知識。首先第一點是其實短片聯集是有上限的，如果滑太久就會滑到終點，這時候系統就會告訴你等一段時間再來看。其實我們只需要退出連續短集再重新加入就可以繼續看短片了，不一定需要等時間冷卻。 By YD ![圖片](/posts/17/3.png)

#科技週刊

第十六期

2024-09-22

## 一、你知道Google、Youtube使用什麼技術嗎？Wappalyzer擴充功能快速分析背後的網站架構！ 每個人生活中有大半的時間都會接觸到網頁，也誕生了許多超級網站，像是每天處理上億次請求的Google搜尋、大家超喜歡用來看影片的Youtube等等，乃至於ChatGPT等新創應用也都把網站作為第一個發布產品的平台，藉此也證明了這個「網站」這個領域的重要程度。想必大家曾經按過右鍵使用開發者工具修改網頁網頁上的文字吧，像是小編我學生時代時就常用這個方法來騙老師說作業完成了，而在疫情期間也用這個方法生成了許多假的螢幕截圖。 能夠這樣修改內容很大程度上是源自於網頁技術的設計，大多數的資料都是從伺服器發送出來後到使用者的瀏覽器顯示出來，這使得我們能夠直接修改我們自己顯示出來的畫面，同時表示網站的程式碼、隱藏的資料其實也都有載入到我們的裝置上。其實我們現在只要隨意打開一個網站，按下「F12」就能夠開啟開發者工具面板，看到默默在背後運作的網頁原始碼、圖片、樣式等等，然而這樣分析對於不懂程式的人來說太過於複雜，同時分析大量網站的速度也不夠快速，「Wappalyzer」就是為此而誕生的工具。 ![圖片](/posts/16/1.png) Wappalyzer 是一個用來自動識別網站技術的服務，你可以看到任何網站背後使用的語言、框架、函式庫等，也可以看到他使用的身分驗證系統、廣告聯播是使用哪一間，總之他會盡一切所能去識別他所能找到的所有資訊，而且準確率十分的高。想要使用這個功能十分簡單，他本身是一個瀏覽器擴充功能，因此只要前往線上應用程式商店安裝即可使用。 ![圖片](/posts/16/2.png) 打開線上應用程式商店後，只需要點擊右上角的「加到Chrome」系統會跳出一個視窗詢問是否授予網站存取權，同意後它會自動開始下載檔案和安裝，完成後也會自動跳出下面這個畫面。 ![圖片](/posts/16/3.png) 現在只需要隨意打開一個你想分析的網站，點選右上角擴充功能的圖示即可閱讀網頁的技術分析了，而每一個技術圖示都是一個連結，點進去可以看到更詳細的資訊，像是該功能的介紹與普及率等資訊。我們拿 Google 的網站做舉例就會看到下面這張圖列出這些技術。 ![圖片](/posts/16/4.png) > 貓咪觀點: > 這個網站是真的非常強大，平常我就一直在使用，雖然寫的很像業配文但我們真的沒有收錢，如果廠商有看到的話也歡迎給我們專業版的體驗，真的想看看專業版還能分析出甚麼新東西，不過一個月數百元只為了分析網站明顯不值得，因此只推薦大家用免費的就好！ By YD

#科技週刊

第十五期

2024-09-14

## 一、AI革新！ChatGPT推新模型o1，學會推理的模型會降低幻覺嗎？ 不久之前的9/12日OpenAI正式宣布旗下最先進的模型o1已經推出，震撼了整個行業。ChatGPT作為當前世界上最多人使用的AI服務，想必也不需要多做介紹了，而今天推出超越原先水準的全新模型，也決定不延續過往的命名序號，採用從頭開始的「o1」可見他們對模型技術進步的自信。 ![圖片](/posts/15/1.png) 「o1」採用思維鏈的架構去設計，能有效的提升模型的思考能力。就像我們在寫數學問題時總是先從列式、化簡、計算後才會得到答案，而不是直接通靈的得到答案一樣，AI模型也需要思考，也需要一步一步的推理出答案。一般來說人們在遇到大型的計劃的時候也會寫計畫書、時程表來統整整個流程，將項目拆分成許多細項方便執行，現在o1也會拆分大家的問題，針對每一個子問題去思考、推理並回答。 根據官方的說法，全新的「OpenAI o1」大模型在物理、生物、化學的科學領域取得重大進展，能夠達到「博士」相似等級；同時在數學與程式設計領域也都有大幅進步。在國際數學奧林匹克競賽(IMO)中這個新模型答對了83%的分數，相較舊模型的13%有相當巨大的進步。 ![圖片](/posts/15/2.png) 如果你是ChatGPT Plus 用戶的話現在就可以在選單中體驗全新的o1大模型了，如果不是訂閱用戶也沒關係，官方已經承諾將在不久之後向免費用開放使用。目前模型處於預覽版，取多配套功能似乎尚未開發完善，因此也不需要著急為了體驗而去開通，可以先靜靜地觀望官方的動作，但可以肯定的是這次模型的推出象徵一個新時代的來臨，也給予其他努力追趕他們的其他公司如Google、亞馬遜等公司更巨大的壓力。 除了使用者有感的升級外，OpenAI也是釋出一系列研究數據給大眾閱讀，其中就包括了大型語言模型(LLM)的潛力，以及各項評估指標。還有各項安全性檢核的分數，有興趣觀看全文的可以自行前往官網閱讀，我們這裡只放上幾張圖給各位參考。 延伸閱讀: [OpenAI o1 簡介](https://openai.com/index/introducing-openai-o1-preview/)、[OpenAI 數據與評估](https://openai.com/index/learning-to-reason-with-llms/) ![圖片](/posts/15/3.png) ![圖片](/posts/15/4.png)

#科技週刊

第十四期

2024-09-07

## 一、只需在Chrome下指令馬上開啟AI！Gemini能夠解決什麼問題？ 在本週Google正式向使用者推送Chrome 128版本，悄悄的位瀏覽器增加的召喚AI的新功能。其實在過去數個開發者版本就已經持續進行測試，但這次是正式推送給一般的使用者了！ 使用的方法很簡單，只需要在瀏覽器網址列的部分輸入「@」就可以開啟隱藏選單，在後面加上 Gemini 並接著填上想要與AI說的話即可。這項功能大幅度加速了作業時間，現在不用額外到Google搜尋Gemini開啟網頁才能使用。 ![圖片](/posts/14/1.png) ![圖片](/posts/14/2.png) 看到這裡也許有人會想問Gemini是什麼？這是一個由Google公司開發維護的大型語言模型，功能上與ChatGPT非常的相似，目前是世界上前五強的語言模型。這個AI原生整合了許多Google公司旗下的服務，並且可以即時同步聯網，在回答許多即時性的問題也沒問題，這次直接整合進瀏覽器更增加了其方便性。 相較於其他的瀏覽器，在指令方面Chrome做得非常好，能夠一步驟直接詢問問題，而不用再開啟擴充功能或側邊欄才能使用。當然既然是生程式AI必定也不是十分完美，數個月前我們也報導過他出錯的新聞「Google AI 叫人用「膠水」黏合食物！大出包官方緊急撤除！」 ![圖片](/posts/14/3.png) 根據Google的說明頁面顯示，目前使用的模型是「Gemini 1.5 Flash」，這是在今年IO大會宣布的新模型，想看看IO大會宣布了什麼可以點貓咪傳送門。 By YD ## 二、蘋果發表會即將到來！這次會介紹甚麼呢？蘋果終於要更新AI了嗎？ 蘋果發表會將近，各家媒體也在預測今年會推出那些產品，就讓程式貓為你們整理今年的重點吧！從邀請函來看，配色跟動畫都與六月開發者大會的Apple Intelligence非常像。再加上最近蘋果也開始大量地用AI取代之前的深度學習、機器學習等字眼，與最近的AI風潮相互集合，讓這次的發表會內容與AI有關的可能性非常高。 ![圖片](/posts/14/4.png) Apple Event 邀請函 [圖片來源](https://www.macrumors.com/roundup/iphone-16/) iPhone 16系列除了會出場搭載支援Apple Intelligence的iOS 18以外，還會全系列升級到8GB的記憶體(雖然在安卓使用者來很丐)，與同時用A18晶片。在外觀設計方面，iPhone 16無印與Plus因為要支援空間影像，所以將鏡頭排列改成上下排列，同時將靜音撥鈕改成自訂性更高的動作按鈕。 iPhone 16 Pro的螢幕尺寸將升級成 6.3”(Pro)與6.9”(Pro Max)，在重量方面，多了7克(194g,Pro)與4克(225g, Pro Max)。 其中，在機身的右側多了一個觸控式按鈕，目前推斷是用於拍照或是快速AI用途，在無印與Pro系列皆有搭載。 ![圖片](/posts/14/5.png) ![圖片](/posts/14/6.png) [圖片來源](https://technewsbynovy.medium.com/the-new-airpods-4-have-various-enhancements-and-amazing-news-for-the-iphone-16-566e66003302) 在AirPods方面也有更新，AirPods目前會有兩個版本:基礎版與普通版。基礎版價格可能會在US$99左右。主要是利用價格優勢吸引消費者購買，或是利用對比讓消費者購買更高價的版本。在普通版，會新增ANC(主動式降噪)的功能。這項功能不像AirPods Pro一樣有耳塞，但是提供基本的降噪例如過濾冷氣與電扇等基本噪音的功能，可以在相對安靜的房間可以不用將音量拉太高傷害耳朵。 在AirPods Max方面雖然也會有新機種，但只有將充電孔換成Type C而已 One more thing… 今年是Apple Watch推出的十周年，在這方面也有所更新。Apple Watch X最大的更新有以下幾點 錶帶會換成磁吸式錶帶。因為以前的卡扣式錶帶設計會讓錶身增加很多不必要的厚度與佔空間。但是用磁吸錶帶除了可以縮小錶帶佔的空間以外，還可以在錶帶上面裝接點，讓錶帶也可以跟手錶溝通，有實際的作用 在這次的手錶有機會支援睡眠呼吸中止症的功能。這不只會影響到白天的精神狀況，如果時間拉長，有可能造成生命危險。與血糖偵測功能，蘋果希望打造一個手錶可以利用紅外線等感測器在不用針的情況下偵測血糖。 By 游錐

#科技週刊

第十三期

2024-09-01

## 一、升學非常重要的APCS該如何準備？全新學習平台APCS Guide 該怎麼用？ 想要了解APCS該怎麼準備之前，首先我們要認識什麼是APCS。APCS全稱為「大學程式設計先修檢測」，是英文Advanced Placement Computer Science的縮寫，為教育部推動多元展能的重要項目。該考試分為觀念題與實作題並且每年舉辦三次，成績可用於包含申請入學、特殊選才在內的許多大學入學管道，是資通訊科系非常重要的能力證明。 ![圖片](/posts/13/1.png) 除了學生之外，APCS檢測開放所有對於程式有興趣的社會人士報名，其免費檢測的性質也吸引不少人報名。幾乎所有人都知道這個檢測的重要性，然而對於第一次接觸到程式領域的新手來說，時常因為市面上難度不一且零散的教學搞得無從下手。在這樣的背景下，有一群高中與大學的學生們注意到的這個問題，於是啟動「APCS Guide 程式教育創新計畫」，著手打造了一個完整的學習平台。 ![圖片](/posts/13/2.png) 剛接觸程式領域的人時常會不知道概念之間的層級，總是對於要先學什麼感到困惑，這個平台很好的解決了這個問題。網站的課程從先備知識到基礎與法，乃至於進階的演算法都有列出來，讓你不會迷茫要學什麼。而程式最重要的就是刷題練習，而平台也幫大家從眾多網站中精選出合適難易度的題目，並提供詳細的解析作為題後檢討。 然而這個網站還是有其不足之處，畢竟大家吸收程度不一，有時還是不能很好的理解所有教學文章的內容，這時候就得搭配其他人寫的教學文章閱讀了。除此之外就像是學生準備學測、會考等大考會有模擬考一樣，APCS也有模擬考可以參加。APCS模擬測驗每個月都會舉辦一次，協助大家驗證自己的學習成果，在正式考試中發揮更好的表現。 ![圖片](/posts/13/3.png) by YD ## 二、小編教你如何整朋友：《Minecraft》彈簧礦車陷阱大揭密！ https://www.youtube.com/watch?v=TRHjWG3Q7BQ 你是不是也曾經想過要在《Minecraft》裡整整朋友？這次，小編為你帶來一個超有趣的「彈簧礦車」陷阱教學，不僅容易製作，還可以用來惡搞那些毫無防備的玩家！這個陷阱利用紅石機關和礦車加速設計，會讓你的朋友在毫無防備的情況下被瞬間彈射出去！ 教學內容概要 在這篇教學中，我們將會介紹如何設置彈簧礦車，並讓它在合適的時機觸發發射效果。這個玩法結合了高速度旋轉與瞬間發射，不僅有趣，更可以創造令人意想不到的效果！ 想學會怎麼做嗎？趕快看看教學內容，並開始在《Minecraft》裡挑戰你的朋友吧！誰知道，也許你的彈簧礦車會成為下一個風靡玩家的熱門玩法呢？ > 小編的話 > 上次介紹的「高速旋轉礦車」玩法還記得嗎？這次我們的「彈簧礦車」更進一步，不僅能帶來速度感，還能為你的遊戲增加樂趣與驚喜。小編親自測試過，真的是太有趣了！還等什麼？趕快試試吧！ ## 三、http與https 或許大家多多少少都有見過以下畫面： ![圖片](/posts/13/4.png) 會有奇怪的廣告彈窗，或是莫名的威脅，但其實這都和http有著密切關係。 一次http請求路線大約如下 ![圖片](/posts/13/5.png) 一次請求會經過數個路由器，而http數據在傳輸時是以明文形式傳送，以致很容易攔截與竄改其中數據。在早期，很多網路服務商、遊戲商、民間駭客......會用著自己角色與技術之便，攔截數據並插入彈窗程式碼，才會有莫名的彈窗出現。 然而隨著網路時代的到來，傳輸的數據越來越具有價值，人們也漸漸意識到數據安全的重要，所以才出現了https。 https，這裡的「s」其實指的是「安全」(secure)，最早（1994年）是由Netscape在自己的瀏覽器中實現並支持，但是要如何使做出所謂的「安全」？其實很簡單，加密就好。可如果使用類似凱撒密碼那類的「對稱加密」，其實還是有些危險，若把密鑰先以明文傳給對方，那被攔截了大家都會知道怎麼加密的，因此此加密變得毫無意義。 大家一籌莫展之際，「非對稱加密」出現了，主要是使用一對公私鑰（公鑰與私鑰）進行加密。公鑰加密的數據只能用私鑰解密，公鑰加密本身無法解密；私鑰加密的數據只能用公鑰解密，私鑰加密本身無法解密。其簡化過程如下 (藍色公鑰、橘色私鑰） ![圖片](/posts/13/6.png) 伺服器先將公鑰發送給用戶 ![圖片](/posts/13/7.png) 隨機生成一個數據並用剛剛發過來的公鑰加密，隨後回傳伺服器。 ![圖片](/posts/13/8.png) 伺服器收到後使用私鑰解密後，得到與用戶生成相同的數據。 ![圖片](/posts/13/9.png) 後面傳輸的重要訊息就使用用戶生成的這個數據加密解密（密鑰變成用戶生成的數據）。 而就算攻擊者獲取了公鑰與用戶使用公鑰加密的數據也沒有關係，因為公鑰加密的數據只能用私鑰解密，公鑰本身無法解密，而私鑰從始自終都在伺服器端，所以也不用怕被攔截。 但如果攻擊者「攔截」了正在傳送給用戶的公鑰，並把公鑰替換成自己的公私鑰對該怎麼辦呢？ 機制的企業們快速的研究出了“SSL”(現在是TLS)，並聯合大量第三方機構（CA)。不過這不會在今天的討論中。 ![圖片](/posts/13/10.png) 為了給大家更直觀的了解http與https的差異，以下表格供大家參考。 HTTP （HyperText Transfer Protocol） - 工作原理: 客戶端（通常是瀏覽器）發送一個HTTP請求到伺服器。 伺服器處理請求後返回一個HTTP響應，包括網頁內容（HTML文檔）、圖像、CSS文件等。 請求和響應的過程中，數據以明文形式傳輸，沒有任何加密或身份驗證。 - 缺點: 數據洩露風險: 因為數據未加密，攻擊者可以輕易攔截、竊取數據甚至竄改數據。 無法驗證身份: 無法確保與伺服器通訊的是正確的伺服器，可能會成為釣魚網站的受害者。 - 無狀態性: HTTP是一個無狀態協議，這意味著每個請求是獨立的，伺服器不會記住先前的請求狀態。 需要通過Cookie、Session等技術來維持狀態，特別是對於登入和購物車等應用。 HTTPS （HyperText Transfer Protocol Secure） - 工作原理: 客戶端請求HTTPS連接時，伺服器首先傳送SSL/TLS證書。 客戶端驗證證書的有效性（確保證書由可信任的CA頒發）。 雙方通過SSL/TLS握手協商一個對稱密鑰，用來加密後續的數據傳輸。 加密的數據通過SSL/TLS隧道傳輸，保護了數據的機密性和完整性。 - SSL/TLS: SSL（Secure Sockets Layer）: 是最早的加密協議版本，現已被TLS取代。 TLS（Transport Layer Security）: 是SSL的改進版本（在1999由IETF標準化），為現今普遍使用的協議版本。 - 優點: 數據保護: 通過加密技術，保護數據在傳輸過程中的機密性，防止竊聽。 身份驗證: 確保客戶端與正確的伺服器通訊，防止中間人攻擊。 數據完整性: 防止數據在傳輸過程中被篡改。 - 缺點: 性能開銷: SSL/TLS握手過程和加解密操作會增加一定的計算開銷，雖然這個差異在現代技術研究下已經變得非常小。 證書成本: 須購買SSL/TLS證書（雖然也有免費的如Let's Encrypt），還需要定期更新證書。 其實更直接的說就是是否加密，是否安全的差異而已，但還是更推薦https～畢竟沒有人想被窺探與被許多廣告干擾。 By x86

#科技週刊

第十二期

2024-08-24

## 一、連終界龍都難逃一劫:《Minecraft》新玩法「高速旋轉礦車」 連終界龍都難逃一劫，《Minecraft》新玩法「高速旋轉礦車」風靡玩家間 《Minecraft》（我的世界）隨著每次更新都能激發玩家的創意，而最新的「高速旋轉礦車」玩法迅速竄紅，讓無數村民、動物，甚至終界龍都成為犧牲品。 ![圖片](/posts/12/1.png) 在《Minecraft》Java 測試版本「Snapshot 24w33a」中，引入了新的指令「minecartMaxSpeed」，可讓玩家調整礦車的最高速度，預設為每秒 8 格，但可調高至 1000。這個速度還會受空氣阻力和加速裝置的影響，讓礦車玩法更加豐富。 其中，玩家利用紅石系統的隨機方向設計，創造出了一個瘋狂的玩法：讓礦車在環形軌道上高速旋轉，然後切換軌道發射出去。 ![圖片](/posts/12/2.png) 這個玩法不只讓村民和動物苦不堪言，玩家自己也能坐上去，體驗被甩飛的刺激感。 更甚的是，玩家還用這個設計來陷害強大的終界龍與伏守者，結果它們無一倖免，全都被轉到摔死。 這個版本還有其他新功能，例如「Bundles」的回歸和紅石方向性的實驗功能，對這些新玩法感興趣的玩家可以親自下載測試版本體驗。 > 小編的話：小編我也是 Minecraft 的玩家呢！看到這次的「高速旋轉礦車」玩法，不禁讓小編我也手癢想要嘗試！無論是「高速旋轉礦車」還是其他瘋狂設計，都讓人對《Minecraft》的無限可能感到驚嘆。你有沒有試過這種極限速度的玩法呢？如果還沒，趕快進入遊戲來個大挑戰吧！畢竟，連終界龍都難逃一劫，你還能逃得了嗎？ 下一期小編想出個彈簧礦車教學，可以拿來整整你的朋友，記得轉發週刊給你的朋友喔! By 玥楓 ![圖片](/posts/12/3.png) ## 二、OpenAI最新開放最強圖片生成模型Dall-E 3 給免費用戶使用！附完整教學。 想要知道這件事為何如此重要，首先我們就得從他們的歷史講起。AI繪圖一直是AI領域中的明星，一直以來都走在領域的尖端，在這波AI崛起風靡世界前的2021年，OpenAI就釋出了Dall - E 模型，從那刻起就幾乎是走在業界最前頭。2022年ChatGPT釋出前幾個月，這個模型迎來重大升級，Dall - E 2模型正式加入該系列家族的一環，上線時是免費的因此沒有多久就廣受眾人歡迎，成為那時大家繪圖的首選。 隨著midjourney、stable diffusion等知名繪圖模型推出，更加深繪圖領域的競爭，也嚴重壓縮到Dall - E 模型的市佔率，因此在2023年的下半年該公司就推出全新且更加強大的Dall - E 3 模型，然而可能是考量到算力成本過高又或者是希望增加收入，因此模型只針對付費用戶開放，免費用戶則只能繼續使用原本的2代模型。然而好景不長，今年初官方正式宣布關閉舊的第二代模型，理由是因為有新一代的模型可以使用，然而這一改就使的免費用戶沒有模型可以使用，紛紛轉向其他免費的替代平台，如必應的圖像創作平台。 ![圖片](/posts/12/4.png) 原推文:[傳送貓貓](https://x.com/OpenAI/status/1821644904843636871) 日前OpenAI官方在 X 平台 ( 原推特) 上宣布從現在起免費使用者也可以在ChatGPT上使用Dall-E 3 大模型，讓許多免費使用者為之歡呼，同時這也算是彌補了官方當初推出GPT4模型時對大眾的承諾。然而這次的開放和以往的模式一樣都是有限制每天生成次數，這是給的額度是一天兩張，似乎造成社群極度不滿。然而小編實際試算後發現，一天兩張乘以一個月三十天，早已大於之前舊版提供的免費額度，已經是非常之佛心了，況且帳號並不難辦，多切換一下就可以體驗付費的功能還是非常划算的。 實際使用的方式非常簡單，只要前往[ChatGPT](https://chatgpt.com/)並登入你的帳號，接著直接在聊天中請他生成圖片並提供提示詞即可。這邊示範了生成一隻貓咪，整個提示詞是模仿程式貓角色寫的，最後的圖也是非常的可愛！若一天兩張的額度用完切換帳戶即可繼續生成了，註冊起來非常快速。 ![圖片](/posts/12/5.png) > 貓咪觀點： > 小編透過一些管道獲得別人贊助的ChatGPT專業版，稍作體驗最喜愛的功能就是其圖片生成功能，這是原先大家體驗不到的功能。不過經過小編實測後發現，同樣提示詞下付費版本的圖片質感似乎比免費版更好，也不確定是不是錯覺。不過即便Dall-E 3 提供大家免費使用，但似乎還是沒有以往那個專門用來編輯的網頁，不能針對上傳的圖片做細部修改是真的蠻可惜的。 By YD ![圖片](/posts/12/6.png) ## 三、X遭大規模DDoS！淺談DDoS 注意！1.此文章會涉及基礎網路知識2.此文章僅供參考，不會涉及原代碼3.我們不鼓勵不支持任何的非法行為，請勿以身試法 馬斯克與川普的專訪直播，原訂於美國時間8月12日晚上8點（約為台灣時間8月13上午8點）於X（原推特）上播出，沒想到X遭受大規模網路攻擊，導致延誤40多分鐘開始直播。 在開始簡述DDoS前，先了解一下DoS DoS (Denial of Service，拒絕服務攻擊），在1996年9月6日時，美國紐約一家網路服務公司的伺服器遭到每秒達150次的異常連接攻擊，這導致伺服器疲於應對這些流量而拒絕正常用戶的連接請求。 ![圖片](/posts/12/7.png) 而DDoS(Distributed Denial of Service，分散式拒絕服務攻擊）顧名思義就是DoS攻擊的分部式（Distributed）版本，即為數台設備同時對伺服器發動DoS攻擊，這些設備可以是智慧手機、電腦、甚至是伺服器等可以連網的裝置，這些裝置很多是在駭客刻意感染等不知情情況下成為傀儡（但也可以花錢買代理裝置），上述裝置組成的網路稱為殭屍網路（BotNet)；而DDoS這個名詞其實並不代表一種攻擊方式，更像是多種攻擊方式的總稱（像是高血壓、高血脂、糖尿病......都被定義為慢性病） DDoS作為一個古老又久遠的技術（約從30年前網路剛興起不久就存在），雖然是個老技術，但至今它還算是網路上最無解又可怕的存在，因為它攻擊手法及其簡單（使用大量流量向伺服器發起請求，佔用網路帶寬或連接資源導致正常使用者無法訪問）而且缺乏根治方法（僅能緩解），大家都知道它怎麼發生的，卻又無可耐何。 ![圖片](/posts/12/8.png) DDoS與DoS的差異可以想成，一個人打你（DoS）與一群人圍毆你（DDoS） 以下是一些DDoS的攻擊類型 傳輸層：UDP洪水、SYN洪水......（主要攻擊網路帶寬）TCP連接攻擊（主要佔用連接表） 應用層：HTTP洪水（消耗伺服器計算） 放大攻擊與反射攻擊：DNS攻擊就是經典的放大攻擊（使用 還有一種有趣的RST洪水攻擊。在TCP中有一種RST數據可以強制斷開用戶與伺服器的TCP連接。例如在線上遊戲中，獲取對手IP就可以不斷切段對手與伺服器的連接，干擾正常遊戲，因此此攻擊更針對用戶。 就連弱電師傅們一定耳熟能詳的ping工具其實也可以發起簡單的「DoS攻擊」 ![圖片](/posts/12/9.png) 那作為互聯網中最常見的攻擊手段真的沒有預防或緩解方法了嗎？當然有！ 在伺服器端最主流的方法是流量清洗設備與CDN節點技術；在使用者我們這，目前最能預防的就是不讓自己稱為殭屍網路的一員，不要亂點連接、不要亂下載應用程式，就是最好的方法。 > 貓咪觀點： > DDoS是一個危害非常大的網路安全威脅，一定要注意：別點來路不明的連接，下載來路不明的程式。有架設伺服器的讀者們也可以尋求專業公司的協助，被攻擊也要第一時間處理，才能降低損失。也希望大家不要發起攻擊，以免觸犯法律。 By x86

#科技週刊

第十一期

2024-08-17

## 一、科技週刊的進化與革新 在這個瞬息萬變的科技時代，每一天都有新鮮事物湧現，讓人目不暇給。作為一個致力於分享前沿資訊與知識的科技週刊，我們深知自己承載的責任。然而，近期我們也面臨了一些挑戰。一些核心成員因準備重要的考試而無法繼續參與，甚至有幾位成員選擇了離開團隊，這給我們的內容生產帶來了不小的壓力。 儘管如此，我們深感幸運，因為團隊中依然有一群成員選擇堅守，繼續支持週刊發展。他們不畏懼眼前的困難，願意承擔更多工作，這樣的團隊精神讓我們深受感動。我們要向這些成員致以最誠摯的感謝，他們的堅持與奉獻，成為了我們能夠繼續前行的力量源泉。 事實上，我們遇到的困難並不僅僅屬於我們。每個人在生活和工作中，都難免面臨挑戰與挫折。重要的是，我們如何選擇應對這些困難。就像我們的團隊一樣，即使面對人手不足、壓力倍增的情況，我們依然選擇迎難而上，並在逆境中尋找新的突破點。 我們相信，任何挑戰都是成長的機會。無論你是在學業、職場，還是生活中遇到困難，我們都希望這段經歷能夠給你帶來一些啟發。不要因為一時的困難而放棄，因為堅持到底的人，往往能看到更美好的未來。 作為我們應對挑戰的一部分，我們將對週刊進行全新的排版設計，融入更多科技風的元素，讓每一位讀者在閱讀我們的文章時，能夠感受到科技的魅力與未來的可能性。 未來的日子裡，我們將繼續致力於為大家帶來更多有價值的內容，無論是最新的時事動態，還是深入淺出的知識分享。我們深信，科技的力量在於它不斷進步，而我們的週刊也將在這條道路上，與大家一同前行。 當然，我們也要感謝每一位讀者的支持與理解，你們的陪伴是我們前進的最大動力。敬請期待，科技週刊的全新篇章即將展開！ ![圖片](/posts/11/1.png) > 小編的話: > > 在經歷一些紛爭後小編我又回來工作了!大家一起加油，不論生活中遇到什麼困難，都要記得(作文拿去用)[每一個黑夜都是為了黎明的到來，如果黎明還沒來，就只是像冬天的夜比夏天的長而已，即便是冬天也會有春天到來何況夜晚?都撐了那麼久了不看一眼春天、黎明不覺得虧嗎?]所以，不管前路多麼艱辛，讓我們一起撐過黑夜、撐過冬天，迎接春天黎明的到來，好嗎? By玥楓 ## 二、國際級機器人大賽FRC在台北登場！高中職各校大顯身手！ FRC是集合了全球高中職生的機器人競賽，是世界級的工業比賽，旨在培養學生的團隊協助、多元展能。有別於以往只有國英數等主科的學習，在FRC中可以學習到「機構設計、電腦建模、機構模擬、程式撰寫、自動控制」等原先只在出社會後在業界才會碰到的東西。 FRC在每年在全球都有賽區，除了主要的賽季外更會舉辦季後賽。這次新北市和台北市政府聯手，很榮幸的成功取得在台灣舉行季後賽資格。這次比賽總計有來自28間來自不同縣市的學校，總共30支隊伍參與競賽，可謂是相當盛大。 ![圖片](/posts/11/2.png) FRC的賽制相較其他比賽更複雜，因此我們這邊只能簡述而已，有興趣的小貓咪們可以自己去FRC大會官方查詢。比賽共分兩個階段，分別為「自動時間」與「手動時間」，皆為完成指定任務即可得分。自動時間故名思義即為由程式自動控制，這模式更講究程式撰寫的品質，需要透過事先座標話操縱車輛，或是使用AI人工智慧即時辨識場上狀況做反應。而手動控制是由人類操縱手控制，當然也是可以由機器做輔助，這階段更講究平時訓練的熟練度，以及輔助系統的完善程度。 ![圖片](/posts/11/3.png) 圖片取自: 比賽直播 經過兩天的精彩比賽廝殺後，最終由南港高工、明道高中、協同高中獲得最終勝利，完整比賽大家可參考下面的網址: > https://www.youtube.com/watch?v=cGJg_DlOl6I > 貓咪觀點: > > 賽後程式貓團隊特別採訪中和高中的隊伍8569，向他們詢問比賽的感想。隊長羅同學與其機構組成員特別向小編我介紹其機構設計原理，無奈小編我真的完全不懂，因此沒辦法向大家說明。從採訪的過程可以感受到大家其實都很努力，即便最終沒有得名，但他們也從中學習到很多可貴的經驗，之後有機會小編在向大家介紹他們程式組的故事。 ## 三、SAMSUNG 將推出新機？ 近期在Android Headlines此網站中，流傳出三星Fan Edition家族準備迎接新生兒 SAMSUNG Galaxy S24 FE。 ![圖片](/posts/11/4.png) SAMSUNG Galaxy S24 FE 預計有五種顏色 整體外觀造型與 SAMSUNG Galaxy S24 差距微小 更像一台縮小版S24 擁有6.7吋挖孔螢幕並搭載 Dynamic AMOLED 2X顯示技術與前一代(SAMSUNG Galaxy S23 FE)螢幕差異僅為尺寸變大。 不過處理器做了升級 前一代使用的處理器為Snapdragon 8 Gen 1而這次 S24 FE 預計將用Snapdragon 8 Gen 3或Extnos 2400比起 S23 FE 在性能上做了提升 RAM/ROM的部分則可能升級為12GB/128GB與12GB/256GB ROM的選擇與前一代相同 但RAM的升級為需要工作效率的你增添更多的優勢。 ![圖片](/posts/11/5.png) 6.7吋的螢幕擁有1990尼特的峰值量度和1～120Hz動態螢幕更新率，自動調節的效果讓日常使用上的視覺感受可以大大提升，可享受到既流暢又清晰的體驗。 ![圖片](/posts/11/6.png) SAMSUNG Galaxy S24 FE 電池與 S23 FE 電池差異僅僅做了一些提升，不過 S24 FE 提供了更好的電池壽命，將可以連續聽歌78小時或看影片29小時，是一個不小的提升；而鏡頭的部分似乎與前一代（SAMSUNG Galaxy S23 FE）沒有差異，皆為5000萬畫素主鏡頭、1200畫素超廣角鏡頭、800萬畫素望遠鏡頭與1000萬畫素的自拍鏡頭。 ![圖片](/posts/11/7.png) SAMSUNG Galaxy S24 FE 預計使用Android 14系統與One UI 6.1也可以使用部分的AI功能 這款主打價格親民的旗艦機推測將在11月～12月推出，讓我們一起期待吧～ > [延伸閱讀 / 圖片來源](https://www.androidheadlines.com/exclusive-samsung-galaxy-s24-fe-specs-features) > 貓咪觀點 > > SAMSUNG Galaxy S24 FE比起上一代也做了不少改動，不怎麼玩遊戲的我音樂與影片是我在手機上主要的娛樂方式，但這次的改動讓我可以以更平價的價位買到可以聽更久的音樂看更久影片、脫離卡頓使用情況的手機（目前娛樂主力機為Galaxy J6+），擁有了S24 FE甚至可以玩到更高負載的遊戲，期待它推出時我可以成為第一批用戶。 By x86 ## 四、鉝元素過去與現代 鉝元素（Tennessine）是週期表的第117號元素，屬於超重元素，由人工合成。其發現源於俄羅斯杜布納聯合核研究所和美國橡樹嶺國家實驗室的合作研究。2010年，研究團隊通過多次實驗成功合成了鉝，並於2016年獲得國際純粹與應用化學聯合會（IUPAC）的正式命名。 鉝元素的製造依賴於重離子加速器技術。科學家將鈣-48離子加速至高速度，然後使其撞擊鋅-97靶材。這種高能碰撞使得兩個元素的原子核結合，形成了鉝這種超重元素。然而，鉝元素極不穩定，僅存在幾毫秒。 鉝元素與穩定島理論的研究密切相關。穩定島理論預測，在某些特定的質子與中子數組合下，超重元素可能具有更長的壽命。鉝元素的合成和研究提供了探索穩定島的關鍵數據，幫助科學家進一步了解超重元素的性質，並促進了對更穩定新元素的探索，這對核物理學和週期表的延伸具有深遠意義。 註: 穩定島理論是核子物理中的一個理論推測，核物理學家推測原子核的質子數和中子數為「幻數」的放射性超重元素會特別穩定。假如這個猜測正確的話，那麼某些特定的超重元素的同位素將比其他同位素更穩定，這些同位素的放射性衰變過程可能會相對非常慢。 By 鯨海 ![圖片](/posts/11/8.png)

#科技週刊

第十期

2024-08-10

## 一、18650鉀離子電池突破，替代鋰電池可期? Group1公司近日宣布了一項重大突破，推出全球首款18650圓柱形鉀離子電池（KIB）。這款電池以鉀離子作為電荷載體，雖然與鋰離子電池有所不同，但尺寸規格相同，能夠無縫替代現有裝置中的鋰電池。這一創新可能成為鋰電池的可持續且經濟高效的替代品。 ![圖片](/posts/10/1.png) Group1首席執行官Alexander Girau對此新產品表示極大的興奮。他指出，經過多年的研發，鉀離子電池在循環壽命方面表現出色，這對電動汽車等應用至關重要。此外，鉀離子電池還具有強大的放電性能，能在關鍵時刻提供穩定電力。 這款鉀離子電池運行在標準的3.7V電壓下，能量密度達到160-180Wh/kg，與磷酸鐵鋰電池相當。其出色的循環壽命和放電性能，使其成為電動汽車和便攜式電子裝置的理想選擇。 鉀離子電池的另一個優勢在於採用了商用的常見元件，如石墨負極、隔膜和電解質配方，這簡化了供應鏈，並減少了對鎳、鈷、銅和鋰等稀有金屬的依賴。 總體來看，鉀離子電池的問世為電池產業帶來了新的選擇，憑藉其優異的性能和環境友好性，預示它在未來能源儲存領域可能發揮的重要作用。 > 小編的話:上次有位讀者說希望看到除了AI以外的時事，這裡給個回覆:前陣子AI很火其他的新聞都被蓋掉了，這次補給你。 #### 鉀電池與鋰電池的比較 - 鉀電池（Potassium-ion Battery） - 材料與成本： 使用鉀作為主要材料，鉀的地球儲量豐富且成本低。 鉀資源分佈廣泛，開採和提取相對簡單。 - 能量密度： 能量密度相對較低，這意味著同樣重量的電池中儲存的能量較少。 尚處於研發階段，性能有待進一步提升。 - 安全性： 相對安全，鉀不容易燃燒或爆炸。 熱穩定性較好，在高溫環境下表現較優。 - 壽命與循環性能： 循環壽命相對較短，但研究正在努力改進這一方面。 對電池材料的穩定性要求較高。 - 應用領域： 主要用於儲能系統，如電網儲能。 尚未大規模應用於消費電子或電動車等領域。 - 鋰電池（Lithium-ion Battery） - 材料與成本： 使用鋰作為主要材料，鋰的儲量相對較少且開採成本較高。 需要其他高價材料如鈷、鎳等，增加成本。 - 能量密度： 高能量密度，是目前商業化電池中能量密度最高的一種。 適合應用於需要高能量密度的設備，如智能手機和電動車。 - 安全性： 存在過熱、短路和過充電引起的燃燒或爆炸風險。 需要先進的電池管理系統來確保安全。 - 壽命與循環性能： 擁有較長的循環壽命，通常可以達到數百到數千次充放電循環。 隨著技術的進步，壽命和性能不斷提升。 - 應用領域： 廣泛應用於消費電子、電動車、儲能系統等。 是目前市場上的主流電池技術。 總結 鉀電池具有成本低、安全性高等優點，但目前能量密度和壽命相對較低，主要用於儲能系統。而鋰電池則擁有高能量密度和長壽命的優點，但成本較高且存在一定的安全風險。隨著技術的不斷進步，這兩種電池在不同領域中的應用前景將越來越廣泛。 By玥楓 ## 二、台積電發現全球最強晶片B200設計瑕疵！輝達緊急停產？ 在當今AI的世界下，運算力可謂是相當重要。目前世界上效能最強大的晶片非輝達開發的「B200」晶片莫屬，其相較大家耳熟能詳採用 Hopper 架構的「H100」快上五倍，其邏輯推理速度更快上了30倍，能耗降低25倍，是當之無愧的世界最強晶片。 ![圖片](/posts/10/2.png) H100與B200對照圖 根據微軟的相關人員透漏，日前 Nvidia 告訴他們 Blackwell B200 AI晶片在生產過程發現設計缺陷。B200 晶片由兩塊Blackwell GPU和一個Grace中央處理單元構成，這次傳出缺陷的是用於連接兩塊晶片中間的線路，將對產品產生嚴重不良影響。根據已透露出來的說法，這個晶片本已即將進入量產階段，然而台積電工程師及時發現此問題，才進一步阻止錯誤擴大，趕在大量生產前夕緊急停止製作。 目前台積公司已經與輝達針對問題進行修正，預計很快將進行新一輪的試產。針對外界擔心輝達和台積電的股價會因這次事件產生不良影響，許多市場分析師皆否定這種擔憂，主要是因為目前舊型的 H100 晶片在市場上仍然非常受歡迎，只需要在推遲 B200 的這數個月的期間改生產 H100 ，將不會對輝達的營收產生太大的影響。 ![圖片](/posts/10/3.png) 即便 B200 遇上了設計瑕疵，但仍然改變不了他的強大和受歡迎。目前世界上的科技大廠，如Instagram的母公司Meta、微軟以及馬斯克的XAI早已向輝達採共了共30多萬顆B200 GPU，未被統計的數量更是不計其數。 by YD ## 三、彗星被木星強制「踢除」太陽系 2024年6月14日小行星撞擊預警系統（ATLAS）發現一顆朝著太陽系外單向前進的彗星，並將其命名為A117uUD。隨後科學家利用142組觀察數據發現並回溯A117uUD的軌道訊息與其行徑軌跡，揭示了A117uUD在2022年與土星相遇後軌道發生的巨大變化。 A117uUD與土星相遇後，進入了一條扁平的橢圓軌道，並脫離太陽的引力影響，飛向無邊的星際。研究團隊使用模型預測，此彗星將以時速10,800公里(6,710英里)飛出太陽系。 這是已是人類觀測到的第二顆正在被"彈射"出太陽系的彗星。第一顆是C/1980 E1（Bowell），於1980年12月9日因與木星相遇而進入無法回頭的旅程。 這項研究成果為科學家們蒐集了彗星動力數據，並進一步顯示太陽系內的行星相互作用如何對彗星的軌跡形成影響，為星體研究提供一份寶貴資料。 By x86 ## 四、chatgpt近期重大發展？ 近來，ChatGPT 經歷了多項重大發展，顯著提升了其應用潛力。首先，2023年推出的 GPT-4 版本，進一步強化了模型的理解與生成能力，使其能夠處理更複雜的語義和任務。此外，代碼解釋器功能的引入，讓 ChatGPT 能夠進行數據分析與代碼執行，拓展了其在技術領域的應用範疇。 另一項重要進展是多模態功能的加入，這讓 ChatGPT 不僅能處理文字，還能解讀圖片等其他媒體形式，大幅提高了解決問題的靈活性。與此同時，模型現在可以使用外部工具，如網絡瀏覽器和 Python 環境，這使得即時信息檢索和分析成為可能。 自訂指令功能則進一步強化了用戶體驗，允許用戶根據需求自定義回應內容。為了確保模型的安全性與道德性，OpenAI 也持續進行改進，使 ChatGPT 的應用更加廣泛且合乎道德。這些發展不僅豐富了 ChatGPT 的功能，也拓展了其在各行業中的應用場景。 By鯨海

#科技週刊

第九期

2024-08-03

## 一、如何用IG建立AI替身？Meta推出AI Studio，社群全新體驗 旗下有Instagram和facebook的社群巨頭Meta公司，日前隆重推出旗下AI創作工具「AI Studio」。就像GPTs一樣，AI Studio提供了一種全新的方式，讓我們大家打造專屬於自己的人工智慧，用於協助創作者回覆訊息，乃至於朋友間聊天都可以。 ![圖片](/posts/9/1.png) AI Studio 使用世界上最強大的開源模型 Llama 3 建構而成，可以準確回復許多問題。對於那些沒有時間 一個一個回復訊息的人來說，創建屬於自己風格的 AI 替身可謂是一種救贖。Meta公司表示「AI Studio 的推出是一種數位民主化的過程，使每一個人都能建立自己的AI」。 AI Studio 目前僅提供美國地區使用，大家可以透過 VPN 前去搶先體驗。同時 Meta 公司承諾會盡快對於包含台灣在內的其他地區開放，因此各位還請追蹤我們社群，以便在第一時間接收到通知！除了透過 AI Studio 建立外，也可以直接使用 Instagram APP 直接創建，使用上可謂相當值觀和簡便，幾乎沒有技術門檻。目前已有多位美國地區的創作者已製作自己的 AI 了，如果各位有興趣可以去跟他們聊天。 創作者們的傳送門~ - [Chris Ashley](https://www.instagram.com/chrisashley/) - [Violet Benson](https://www.instagram.com/violetbenson/) - [Don Allen](https://www.instagram.com/donalleniii/) - [Kane Kallaway](https://www.instagram.com/kanekallaway/?hl=en) ![圖片](/posts/9/2.png) By YD ## 二、電影情節來到現實?科學家成功操控小動物的大腦? 科學家最近實現了一項看似科幻電影中的情節：利用磁場遙控小動物的大腦(如圖，左小鼠、右科學家，示意圖)，精確調節其行為。這項突破性研究由韓國基礎科學研究所（Institute for Basic Science, IBS）領導，利用奈米粒子和磁場操控，成功實現了非侵入性的大腦控制，為神經科學研究開創了新的方向。 ![圖片](/posts/9/3.png) 傳統上，操控大腦活動通常依賴於電極技術，需要進行侵入性手術，並且限制了實驗對象的行動自由。而IBS團隊開發的「神經動力學磁遺傳學介面」（Nano-MIND, Magnetogenetic Interface for NeuroDynamics）技術，利用奈米粒子植入特定腦細胞，再通過外部磁場精準控制這些粒子的開關，激活特定神經迴路，從而影響動物的行為。 這項技術在多個實驗中得到了驗證。例如，在攝食實驗中，研究人員通過調整外部磁場，使小鼠的食量顯著改變；在社交行為實驗中，則能控制小鼠與其他小鼠的互動意願；在育幼實驗中，更能精準調節小鼠的母性行為。 IBS奈米醫學中心主任全真宇表示，這是世界上首次利用磁場自由控制特定腦區的技術，預計將在理解大腦功能、開發人工神經網絡、腦機介面以及治療神經系統疾病等方面發揮重要作用。 這項研究發表於《自然奈米技術》（Nature Nanotechnology）期刊，為腦科學研究帶來了革命性的突破。未來，科學家們希望利用Nano-MIND技術深入探討大腦的運作機制，開發治療神經系統疾病的新療法，並幫助因疾病或意外而失去行動能力的患者，通過腦機介面重新獲得與外界互動的能力。 這項突破表明，科幻電影中的情節正在逐步變成現實，科學技術正以前所未有的速度推動人類對大腦的理解和應用。 By 玥楓 ## 三、北韓黑客集團“Andariel”用勒索贖金資助全球網絡攻擊，美國起訴主要嫌疑人 2024年7月25日堪薩斯市，一名北韓國民林鐘赫（Rim Jong Hyok）遭到美國堪薩斯市大陪審團起訴，指控他參與了一系列對美國醫療機構的勒索軟體進行攻擊和洗錢活動，並利用所得資金進行進一步的全球網絡攻擊。其入侵目標包含美國、臺灣、韓國以及中國的技術機構，並且竊取其中敏感資料。 - 主要指控內容 - 林鐘赫及其同夥，被稱為“Andariel”（APT45）使用Maui勒索軟體攻擊美國醫療機構，導致這些機構無法及時為患者提供全面護理與醫療服務。 - 林鐘赫及其同夥通過中介機構洗錢，並使用這些收益購買網絡設施進行進一步的網絡攻擊 受害者包括美國空軍基地、NASA-OIG及其他國家的防務和技術機構。 - 聲明與回應 - 美國司法部：副司法部長Lisa Monaco強調，司法部將對惡意網絡犯罪者不懈追擊，保護關鍵設施。“今天對這名涉嫌朝鮮行為者的刑事指控表明，我們將繼續運用所有可用工具來破壞勒索軟體攻擊，追究責任人，並將受害者們放在首位。” - FBI：FBI副局長Paul Abbate表示，這些行為對無辜生命造成威脅，FBI將利用有效工具消滅犯罪者。“這些不可接受和非法的行為將無辜生命置於危險之中。FBI和我們的合作夥伴將利用所有可用工具來消滅犯罪行為者並保護美國公民。” - 行動措施 - 資金和賬戶扣押：FBI已扣押大約11.4萬美元的勒索軟件攻擊收益及相關在線賬戶。此前，FBI還扣押了約50萬美元的相關資金。 - 懸賞公告：國務院宣布懸賞高達1000萬美元，尋求有關林鐘赫位置或身份的訊息。 - 企業協作：Microsoft和Mandiant已採取技術措施，阻擋Andariel駭客訪問受害者的計算機網絡，幫助加強網絡安全防禦，並減少攻擊帶來的損失。 ![圖片](/posts/9/4.png) 此次對林鐘赫及其同夥的起訴，揭示了他們如何利用勒索軟體攻擊美國醫療機構並將所得資金用於全球範圍內的網絡攻擊。這一行動引起了美國司法部和FBI在打擊惡意網絡行為者方面的決心和毅力。“這次行動不僅是對個人罪行的追究，更是對所有試圖威脅美國安全的惡意行為者發出的強烈警告。” 美國及其合作夥伴表示:利用一切資源，確保關鍵基礎設施和公民的安全，並持續打擊那些試圖在網絡空間中施行惡行的犯罪分子。 [資料連結](https://www.justice.gov/opa/pr/north-korean-government-hacker-charged-involvement-ransomware-attacks-targeting-us-hospitals) By x86

#科技週刊

第八期

2024-07-29

## 一、目標取代Google？OpenAI推SearchGPT！ 作為搜尋龍頭的Google對上來自A龍頭的OpenAI，這場戰爭誰會獲得最終的勝利呢？日前OpenAI公佈了旗下產品SearchGPT，這是一個基於人工智慧構成的搜索引擎，能像我們一般使用搜索引擎的方式一樣，只需要下達關鍵字，系統就會自主幫我們找內容。 ![圖片](/posts/8/1.png) 眼尖的讀者們就會發現，這功能不就是Google的「AI Overview」嗎？沒錯，概念幾乎一樣，不過這功能還在測試就不斷出包，像是日前還說披薩跟起司要用膠水黏合，準確性實在讓人擔憂。 延伸閱讀：[Google AI 叫人用「膠水」黏合食物！大出包官方緊急撤除！](https://www.codecat.tw/posts/3#一google-ai-叫人用膠水黏合食物大出包官方緊急撤除) 反觀OpenAI這邊預計使用的模型是世界上最強大的GPT-4系列驅動，也就是ChatGPT的同款模型，準確性明顯高出不少。而這款SearchGPT最大的特點是有別於以往，他將會標示出資料來源，以及提供延伸問答等功能，同時進一步降低機器幻覺的問題。 之前OpenAI推出ChatGPT時Google公司就拉起紅色緊戒了，微軟在Bing整合Copilot也迫使Google緊急推出產品應對。這次給Google的是更加強大的挑戰，是一個綜合兩者的超強結合體。不過也許是SearchGPT太強大了吧，OpenAI還沒有實際向大眾公佈，僅向小部分人們推送試用；但不用過於擔心，正式向大眾公開時，我們將會再提醒大家，因此記得追蹤我們喔！ / YD編 ![圖片](/posts/8/2.png) ## 二、程式貓科技週刊工作室出現前所未有的危機？！！ 作為一個致力於提供大眾科技新知的程式貓科技週刊工作室，出現一個史無前例的危機，因為我們的成員組成目前都是高中學生，幾位學長姊都需要準備學測，導致我們的成員陸續退出，或暫時停工，現在人手不足，週刊出現斷更危機，因此歡迎對科技有興趣或是對寫作有興趣的人加入我們，可以到我們在IG的官方帳號@codecat.tw洽詢小編。 我們主要的方向是一些機電、程式、科技新鮮事...等等，當然也歡迎一些科技梗圖？希望同樣能找到雙北地區的高中學生(作息較一致、如果需見面也較方便)，報酬可以找IG小編諮詢 / 玥楓編 ![圖片](/posts/8/3.png)

#科技週刊

第七期

2024-07-16

## 一、悲報!自結跳動AI平台「coze」宣布開始收費! 前陣子，coze官方宣布平台開始收費，並寄出四個方案供使用者選擇。以下會簡單介紹部分內容。 免費方案只能讓使用者對chatgpt3.5每天傳送100則訊息，如果要使用更高階的chatgpt4或4o，則一天只能傳送1~2則訊息。而最便宜的方案也要價9美元/月(約297台幣)，並且這個方案，最多也只能傳送50則訊息給chatgpt 4o，以小編主觀來看可謂相當昂貴。而最昂貴的方案則要價39美元/月(約1287台幣)，而且也只能最多傳送500則訊息給較初階的chatgpt 4o機器人，如果使用更高階的機器人，一天則只能傳送100則訊息。 不僅如此，每個方案都有每日的使用限制，免費方案每天只能傳送10則訊息，即使是最貴的方案，一天也只能傳送1000則訊息，要像以前一樣完全無限使用已經不可能。(詳細如附圖) 作為長期用戶的我，看到這個消息後感到十分遺憾。不過我業在此希望各位讀者能夠推薦其他類似得平台供我研究，並且讓我能夠分享給更多人喔! ![圖片](/posts/7/1.png) /渡鴉編 ## 二、Threads 終於加入聯邦了！附教學，我們可以跟外星人對話了？ 要知道這件事為什麼這麼重要，首先我們要了解什麼是聯邦宇宙！文章結尾還會告訴大家，聯邦宇宙對我們帶來的好處，以及該要如何開啟。 ![圖片](/posts/7/2.png) 聯邦宇宙（Fediverse）是一種社群通訊技術，一詞由聯邦（Federation）與宇宙（Universe）組合而成。畢竟程式貓週刊是以科技為主的新聞，這裡還是得用簡單的方式介紹聯邦宇宙的運作原理。聯邦宇宙是一種社群系統的總稱，透過共同的協議，讓不同的服務供應商串接在一起，就好比說很多間公司都有 E-mail 服務，像是Yahoo和Google，但它們的郵件都可以互相傳送，就是因為背後使用的協議都一樣。因此同樣的概念，聯邦宇宙也只是一種協議，同時意味著我們在 Threads 發文，可以在其他支援的平台上被看到，像是Mastodon。 那我相信看到這裡，已經有些讀者會好奇，那聯邦宇宙對我們來說有什麼好處呢？首先最重的當然還是觸及量啦，現在發文就會被同步顯示到其他平台上，更有機會觸及全新的人，結交到新的朋友；同時我們也可以看到其他平台的內容，增進見聞。除此之外還有一點也非常重要，因為聯邦宇宙開源共享的特性，使的我們言論自由更有保障，因為資訊一旦發送出去，就不再是一間公司，乃至一個國家能隨便說刪就刪了。 ![圖片](/posts/7/3.png) 看到這裡相信小貓咪們一定很心動了吧，就算不心動反正開了還能重新關掉，先體驗一下一點都不吃虧。首先要開啟聯邦宇宙功能，必須要滿足以下條件，不得不說其實沒什麼難度。如果你還未滿18歲（不對你們應該都會滿 18 歲才對吧大家，我知道你們平常都選什麼的），其實再去重新註冊一個帳號就可以用了！ ![圖片](/posts/7/4.png) 首先要先進入 Threads 的設定頁面，點選第四個聯邦宇宙的設定，然後她會叫你同意服務條款，就全部都給他同意才能用。成功後系統會提示你，且發文時名稱旁邊會有一個聯邦宇宙的圖示。 ![圖片](/posts/7/5.png) /YD編

#科技週刊

第六期

2024-07-06

## 一、AI 為科學家省下許多材料開發時間? 序:近年來，無稀土永久磁鐵的研發成果引起了全球科技界的矚目。這種新型磁鐵不僅在高科技應用中展現了其強大的性能，同時也打破了傳統對稀土依賴的束縛。從電動汽車到機器人，從風力發電到無人機，無稀土永久磁鐵正成為未來科技發展的關鍵一環。想要深入了解這項革命性的技術創新，就跟隨程式貓的步伐，一同探索這場科技革命的奇妙之旅吧！ 在尋找替代稀土材料的過程中，英國深科技公司Materials Nexus使用AI技術成功設計出一種全新的無稀土永久磁鐵(註1)，命名為「MagNex」。這項發現比傳統人工方法快了200倍，為對強力磁鐵需求不斷增長的電動汽車和其他高科技應用帶來了新的希望。 隨著世界逐漸放棄內燃機(註2)，轉向電動移動工具，對緊湊型高功率馬達(註3)的需求快速上升。永久磁鐵馬達是目前汽車行業中最受歡迎的選擇，用於超過80%的現代電動汽車。然而，製造這些強力磁鐵所需的稀土材料(註4)，如「釹」和「鎵」，需要進行有害的採礦和昂貴的加工，並且主要由中國控制供應，這使得其他市場容易受到供應中斷和價格波動的影響。 Materials Nexus的AI平台在短短數天或數週內就能識別出無稀土磁性材料(註5)，而傳統方法則需要數年甚至數十年。該平台分析了超過1億種無稀土材料組合，考慮了成本、供應鏈安全、性能和環境影響等變量，最終確定了MagNex。 這項研究由Materials Nexus與謝菲爾德大學的亨利·羅伊斯研究所合作完成，僅用了三個月的時間就合成並測試了MagNex。相比傳統稀土磁鐵，MagNex的材料成本降低了80%，碳排放量減少了70%。 MagNex的發現不僅對電動汽車行業有重大意義，還將應用於機器人、無人機、風力發電機和暖通空調設備等多個領域。Materials Nexus表示，AI平台還將有助於識別和創建新一代推動新技術和減少二氧化碳排放的前沿材料。 Materials Nexus首席執行官Jonathan Bean博士表示：「我們的平台已經吸引了各種產品的廣泛興趣，包括半導體、催化劑和塗層等應用。我期待看到它在支持創造新材料以解決日益緊迫的供應鏈和環境問題方面所發揮的作用。」 這項突破性發現展示了AI在材料發現中的巨大潛力，為未來的技術發展和環境保護提供了新的可能性。 | 註釋編號 | 名詞 | 名詞解釋 | | :------- | :--------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | | 1 | 無稀土永久磁鐵 | 不依賴稀土元素或極少依賴稀土元素的永久磁性材料。具有更低的生產成本和更小的環境影響，有助於推動可持續發展和綠色技術的發展。 | | 1-1 | 無稀土 | **稀土元素**（英語：rare-earth element，REE），或稱**稀土金屬**，是元素週期表上第3族鈧、釔和鑭系元素共17種金屬化學元素的合稱，皆屬於副族元素。稀土元素皆為質地較軟的銀白金屬，彼此間含有相似的化學性質，且總在礦床中共生，難分離、提取。而並未使用這些元素的便稱為無稀土。 | | 1-2 | 永久磁鐵 | 能夠長期保持其自身磁性的材料，不需外部電源或磁場即可產生磁力。通常由鐵、鈷、釹等稀土或過渡金屬組成，並具有固定磁性方向。因其穩定和持久磁性等特性，永久磁鐵廣泛用於各工業及消費產品中，在高科技領域中有重要的應用價值。 | | 2 | 內燃機 | 一種熱機械裝置，透過內部燃燒產生能量。包括燃料燃燒的引擎和相應發動機組件，常見應用包括引擎和發電機。 | | 3 | 緊湊型高功率馬達 | 具較小的體積和重量，同時能產生高功率輸出。通常用於空間有限且需要高效能的應用，如工業自動化設備中。 | | 3-1 | 緊湊型 | 用於空間有限，具較小的體積和重量。 | | 3-2 | 高功率馬達 | 高功率輸出，用於高效能的應用。 | | 4 | 稀土材料 | 稀土元素在電氣及電子元件、雷射器、玻璃、磁鐵和工業及化學催化劑等領域中有著多樣且廣泛的應用，應用在這些相關領域中的便稱為稀土材料。 | | 5 | 無稀土磁性材料 | 不依賴或極少依賴稀土元素的材料，用於製造具有磁性的產品或設備。這些材料的研發旨在減少對稀土資源的依賴，降低生產成本和環境影響，並提高材料的可持續性和可供性。 | | 5-1 | 磁性材料 | <p>磁性材料是指能夠產生磁場或被磁場影響的材料。根據其磁性質，可以分為幾種主要類型：</p><p>1. **永久磁性材料**：能夠在沒有外部磁場的情況下保持永久磁性的材料，如永久磁鐵（如釹鐵硼磁鐵）和陶瓷磁鐵。</p><p>2. **臨時磁性材料**：在外部磁場作用下會產生臨時磁性，但在去除外部磁場後失去磁性，如軟磁材料（如軟鐵）。</p><p>3. **電磁磁性材料**：通過通電產生磁場或者通過磁場影響其電性質的材料，如電磁鐵和磁性材料應用於變壓器核心。</p> | ![圖片](/posts/6/1.png) /玥楓編 ## 二、台灣AI「Project TAME」贏過ChatGPT！獲輝達大力支持開發完成！ Project TAME 是一款由和碩與長春集團、長庚集團等大企業聯合構建的台灣本土AI大模型。以Facebook母公司meta旗下的Llama-3 70B為基底，在上面疊加數以萬計的台灣本土資料，以改善外國模型的對於本土資料的不足。 TAiwan Mixture of Experts（Project TAME）計畫採用輝達佈屬於台灣的Taipei-1世界即超級電腦訓練而成，其中包含上億筆的資料堆疊訓練，成為目前台灣最強大的本土AI模型。 該模型現在已訓練完成，並在各項本土基準測試中贏過第二名Claude-Opus 6.8%，更贏過目前世界上最強大的GPT-4o 9.3%，說該模型是台灣版ChatGPT完全不會太誇大。另外TAME 在大學學測、台灣律師考試、中醫醫師考試、中華民國駕照、台灣本土測驗都取得了優於常人的成績，其中律師測驗更贏過了9成的考生，按照這個趨勢下去，未來AI拿下學測滿級分又或者是擔任個人律師的日子不遠了。 該專案的負責人和碩人工智慧發展處處長蕭安助表示，該模型共投入上千個工時訓練而成，成功實現AI本土化和產業接軌。TAiwan Mixture of Experts 目前已經上線，並採用開放原始碼授權向大眾發表，目的是希望能幫助台灣能夠有個屬於自己的模型，也不會受到外國模型的價值觀衝擊本土文化。同時透過開放式聯盟讓產業界和學界一起合作，推動AI落地。 ![圖片](/posts/6/2.png) by YD ## 三、蟹狀星雲 起源 超新星爆發類型!? 美國天文學家使用NASA的詹姆斯•韋伯太空望遠鏡(James Webb Space Telescope)(已發射的紅外線太空望遠鏡)，對約1000年前古人發現的"蟹狀星雲"組成成分進行深入解析，望能透過收集它的成分和數據，了解蟹狀星雲的起源。 約翰•貝維斯於西元1731年發現該星雲，對應有中國、阿拉伯和日本天文學家於西元1054年記錄的一次超新星爆發（編號SN 1054，古稱天關客星）。西元1969年天文學家發現星雲中心是脈衝星，直徑大約是28–30公里，每秒自轉30.2次，並發射出從[γ射線](https://zh.wikipedia.org/wiki/%E4%BC%BD%E9%A9%AC%E5%B0%84%E7%BA%BF)到[無線電波](https://zh.wikipedia.org/wiki/%E6%97%A0%E7%BA%BF%E7%94%B5)的寬頻率範圍電磁波。 蟹狀星雲為第一個被確定是超新星爆炸形成的天體，以蟹狀外表聞名，現在已只是黯淡的超新星殘骸 超新星爆炸時，幾乎可以將其近乎所有物質拋出形成新雲，其由太空塵埃、氣體、高速外流風(星際介質的流動)組成，中心為一顆直徑10公里左右的中子球被認為是爆炸期間在重力作用下塌陷的恆星產生相當於一顆太陽的1.5倍，不過由於其爆炸總能不足一般超新星十分之一，因此部分學家認為其為 電子捕獲型超新星 爆發所致，而非通常的 鐵核心塌縮超新星爆炸。 ![圖片](/posts/6/3.png) ![圖片](/posts/6/4.png) 電子捕獲型超新星（Electron-capture supernova）和鐵核心塌縮超新星（Iron-core collapse supernova）是兩種不同類型的超新星爆發，分別由不同的物理過程驅動。 電子捕獲型超新星： 在較大質量的恆星（通常是8到10倍太陽質量以上）耗盡核心核燃料後，核心開始收縮。當中心溫度達到一定程度時，電子捕獲開始主導，這是指恆星核心中的電子與原子核結合，導致質子轉變成中子、釋放出中微子。這個過程使得核心進一步收縮，產生極端的條件，最終引發超新星爆炸。 鐵核心塌縮超新星： 在較大質量的恆星（通常是超過20倍太陽質量）核心耗盡核燃料後，核心內部的核反應停止。由於核心中心部分主要是由鐵和其他重元素組成，鐵核心無法再進行核反應以產生能量來支撐自身，因此開始快速崩潰。這種崩潰會產生極度密集的中子星或黑洞，同時也引發強烈的超新星爆炸。 這兩種超新星爆炸過程中，釋放的能量巨大，會在極短的時間內（幾秒鐘到幾個月不等）釋放出比太陽系中所有恆星在其整個生命週期中釋放的能量總和還要多的能量。这些事件不僅對宇宙中的化學元素進行重要的核合成，而且對宇宙中星系演化的理解也至關重要。 /玥楓編

#科技週刊

第五期

2024-06-15

## 一. Google notebook介紹 Google全新功能，自動整理大量複雜文章 2024年6月6日，Google的工具NotebookLM宣布開放可以在台灣使用。NotebookLM是一款能幫助使用者統整大量文章，並列出大綱、時間線等內容的工具，並且由最新的Gemini 1.5 Pro 驅動，是一款非常適合用於撰寫論文、長篇文章架構等內容的工具。 那麼要如何使用呢?以下是由我研究出來的，比較淺顯的使用方式: 首先直接搜尋NotebookLM，點擊第一項搜尋結果後進入介紹頁面，點擊右上角的「試試NotebookLM」按鈕進入使用頁面 ![圖片](/posts/5/1.png) 點擊「新增筆記本」開始編輯 首先他會請你新增文章，你只要選擇對應格式，把希望它統整的文章加入即可。這裡以第四期週刊文稿為範例加入。 ![圖片](/posts/5/2.png) 加入文章後會自動幫你打上文章摘要，並且會像chatgpt、copilot等AI提出三個與文章相關的問題 ![圖片](/posts/5/3.png) 上面的方框由左而右分別是問答QA、學習指南，內容摘要、時間線及重點摘要。我選擇的是內容摘要，在它輸出結束後會出現像附圖上的方框 ![圖片](/posts/5/4.png) 點擊後可以展開看詳細內容，以這次的範例而言，我認為它整理的非常清楚，而且內容也並沒有偏離原本的文章主題，準確率非常的高。那要怎麼回到剛才的頁面呢?只要點擊右下角的「筆記本指南」即可。 ![圖片](/posts/5/5.png) 緊接者介紹的是旁邊的三個小問題的部分，點擊後會跳出類似聊天室的介面，並回答你選擇的問題，而它的回覆中也會增加注釋，方便使用者在文章中尋找答案出處，並核對正確性。 ![圖片](/posts/5/6.png) 在一連串的測試後，我的使用體驗非常的好，平台的操作十分直覺，AI的錯誤率也幾乎是0，統整出的脈絡也很清晰且不離題，同時NotebookLM也支援多個文章同時整理、外文文章翻譯成中文等功能，相信只要妥善使用的話，想必會成為學生們只做學校報告、論文的利器吧! /渡鴉編 ## 二、黑洞電池-探索極限能量儲存的新境界 物理學家們正在探索電池能量密度的終極極限，提出了一種理論上的電池，該電池利用微小黑洞的能量。這些黑洞，每個質量相當於一個普朗克質量，可以被充電並分組在電池中。當帶相反電荷的黑洞合併時，它們可以釋放出大量的清潔能源，類似於核反應堆。 這一想法基於愛因斯坦的廣義相對論和帶電黑洞的行為。能量將從黑洞外部提取，那裡是引力集中的地方。這樣的電池可能具有極高的能量密度，甚至能夠為一個家庭提供幾代人的能源。雖然這種技術的實現還很遙遠，但它表明電池技術有很大的發展潛力。 目前最有效的鋰電池每千克包含約954,000焦耳的能量，而一個微型黑洞電池每千克能提供的能量大約是現有最有效鋰電池的470萬倍。這顯示出我們在電池技術方面還有很長的路要走，但未來的發展潛力巨大。 ![圖片](/posts/5/7.png) https://technews.tw/2024/06/12/micro-black-hole-battery/ .by MRK ## 三、史上最安全的AI？蘋果WWDC年度發表會重點摘要！ 有在關注科技圈的朋友肯定都聽過蘋果公司（廢話），而ＷＷＤＣ作為該公司最重要的產品發表會，這次重棒登場就是全新產品「Apple Intelligence」，一個全新的AI服務。 有什麼功能？ 「Apple Intelligence」作為蘋果公司最強大的模型，從輸入到生成，全面與系統整合。能夠讀取使用者手機中的通訊、圖片等資訊做運算。透過更詳細的資料讀取，使得Intelligence有望成為全地球上最了解使用者的人工智慧大模型系統。 他安全嗎？ 蘋果系統一直以來都以安全性著稱。作為該公司推出的人工智慧，不僅不會使用用戶資料訓練模型，更在大多數情況下僅讓程式運行在本地端的裝置算力上，避免敏感資訊在傳送過程中洩漏。若真的因為裝置端算力不足，也僅會將少部分非敏感資訊進行雲端運算，並採用「私有雲計算」進一步保障使用者資訊安全。 重大升級？ 蘋果公司這次證實與OpenAI的合作案，將今年稍晚在ios系統上原生導入ChatGPT-4o模型。在遇到Siri無法解決的問題，系統將自行調用GPT-4o支援回答，堪稱完美的同步整合將使個人助理使用性更加上升。 如何使用？ 很可惜因為強大的計算力要求，裝置需搭載A17 Pro或M系列晶片才能夠運行。同時需要確保系統升級至最新的ios18，才能夠在今年末使用到這項功能，且僅有「英文版」。 ![圖片](/posts/5/8.png) by YD

#科技週刊

第四期

2024-06-08

## 一、免費使用chat gpt4? 聊天AI平台coze介紹 https://www.coze.com/search/chatgpt /渡鴉編 圖片到時候幫我調整大小與排版 標題： 這次要來介紹由中國字節跳動出品的聊天AI平台:Coze。首先簡介一下字節跳動是什麼，它是一家中國的科技公司，知名的產品有西瓜視頻、抖音等應用程式，說到這裡，可能會有人開始擔心個資問題，那麼我可以很肯定的告訴各位，目前海外版還不用擔心這個問題。 接下來進入正題，我們進入Coze網站後，會發現它擁有各式各樣的AI模型(並且能發現許多模型其實是需要付費的)，不過今天的重點是Chatgpt的AI，那其餘內容就留給各位探索。首先在搜尋欄搜尋「Chatgpt」 ![圖片](/posts/4/1.png) 緊接者就能網頁右方找到它支援的模型(它甚至支援最新的Chatgpt-4o) ![圖片](/posts/4/2.png) 這次用之前介紹過的Chatgpt-4o作為範例，首先我選擇了人氣較高的模型，圖示如附圖 ![圖片](/posts/4/3.png) 首先確認個別的版本型號，其實現在只要發問，chatgpt都會直接回答正確答案 首先是chatgpt網頁版的回答 ![圖片](/posts/4/4.png) 緊接著是來自coze的回答 ![圖片](/posts/4/5.png) 可以發現相較之下，coze的回答精簡許多，不過現在chatgpt的回答十分多種，也或許只是剛好抽到比較詳細的回答也有可能。 接下來用發表會上主打的「解方程式教學」這項功能來做比較，我們同樣提問「2X+3=9」並要求它詳細的解釋每個步驟，得到的回答是這樣的: ![圖片](/posts/4/6.png) ![圖片](/posts/4/7.png) 緊接著是來自coze的回答 ![圖片](/posts/4/8.png) ![圖片](/posts/4/9.png) 比較後可以看出，在回答問題的方面，仍然是正版chatgpt占了上風，但以解題來說，coze就已經足夠使用，在解題過程的解釋上也是不相上下。 在比較結束後，我們來看看coze的另一項特色:大量提供AI與使用者利用的插件，從附圖能看到這個模型同時共能支援23個支援套件， ![圖片](/posts/4/10.png) 而coze正是利用這些插件，使其功能組以與其他知名AI一較高下，甚至贏過部分剛起步的AI。它能夠支援AI繪圖、Youtube影片抓重點、程式編譯、語音文字互相轉換等功能，但由於篇幅有限，這裡就不多作介紹，如果有想深入了解的功能，也歡迎在留言區提出，我會再另做講解! 總而言之，coze雖然無法做到完全等於正版的chatgpt，但在問題的回答、功能的多樣性上也足以與之匹敵，如果獨自拿出來看，coze也是數一數二優秀的AI模型，另外，coze內附的AI模型也不限於chatgpt，如果大家有想使用卻沒辦法付費的AI的話，也不妨善用coze平台，尋找功能相似，甚至更加厲害的AI喔! /渡鴉編 ## 二、硬碟：從磁性儲存到數位革命 在現代科技日新月異的今天，硬碟（Hard Disk Drive, HDD）仍然是許多人日常生活中不可或缺的一部分。無論是在家庭電腦、企業伺服器還是大型數據中心，硬碟都扮演著關鍵的角色。那麼，硬碟是如何儲存資料的呢？ 硬碟的內部結構 硬碟的核心結構包括碟片、讀寫頭、旋轉軸和控制電路板。碟片是硬碟的主要儲存介質，通常由數個疊在一起的圓形磁性碟片組成。每個碟片覆蓋著一層薄薄的磁性材料，這些材料可以記錄磁性信號來表示數據。 讀寫頭是硬碟的讀寫工具，每個碟片都有一個專屬的讀寫頭，負責在碟片表面進行數據的讀取和寫入。這些磁頭固定在一個可移動的臂上，可以快速移動到碟片的不同位置，以便存取數據。 旋轉軸則是驅動碟片高速旋轉的裝置。當碟片高速旋轉時，讀寫頭可以快速訪問不同位置的數據，從而提高數據存取的速度。最後，控制電路板負責管理硬碟的所有操作，包括讀寫頭的移動、數據的讀取和寫入，以及與電腦之間的通信。 磁性儲存的原理 硬碟的儲存原理基於磁性材料的特性。碟片表面的磁性材料可以通過改變其磁化方向來表示二進制數據。當需要寫入數據時，讀寫頭會產生磁場，改變碟片表面特定位置的磁化方向。例如，一個方向的磁化可以表示二進制的1，而反方向的磁化則表示0。 讀取數據時，讀寫頭會檢測碟片表面磁化的方向，將其轉換成電信號，再由控制電路板轉換成電腦可以理解的數據。 資料的組織方式 硬碟內部的數據是以磁道和扇區的形式組織的。每個碟片被劃分為數個同心圓形的磁道，每條磁道又被進一步劃分為數個扇區。每個扇區是硬碟的基本讀寫單位，通常大小為512字節或4096字節。 在多碟片的硬碟中，所有碟片上相同位置的磁道組成一個柱面。這種結構使得硬碟可以在不同碟片間高效地讀寫數據，提高存取速度。 讀寫數據的過程 當電腦需要讀取數據時，硬碟控制器首先會確定數據所在的柱面、磁道和扇區，並將讀寫磁頭移動到對應的位置。然後，讀寫磁頭開始讀取該扇區的數據，並將其轉換成電信號傳送給電腦。 寫入數據的過程類似。控制器將要寫入的數據分解成扇區大小的數據塊，然後控制讀寫磁頭將這些數據塊寫入到指定的扇區中。 硬碟的未來 雖然固態硬碟（SSD）的出現為數據存儲帶來了革命性的變化，但硬碟在容量、成本和大數據存儲方面仍具有無可替代的優勢。隨著技術的不斷進步，硬碟的存儲容量和性能也在不斷提升。 硬碟的發展歷程展示了人類在數據存儲技術上的不懈努力和創新精神。未來，我們可以期待硬碟在更高容量、更快速度和更可靠性方面的進一步突破，繼續為我們的數位生活提供堅實的基礎。 ## 三、用python解2階魔方 > [https://github.com/dkx20080629/rubik/blob/main/python_Rubiks_Cube.py](https://github.com/dkx20080629/rubik/blob/main/python_Rubiks_Cube.py) 輸入: 範例: 分別顯示每個面的狀態: 公式: 復原的狀態: 演算法: 使用list來儲存魔方狀態 再先定義好轉動代號 分為四個步驟解決 底面>頂面>上層>下層 by. MRk ## 四、黃仁勳台大演講！讓世界看見台灣，「NVIDIA」大會重點一次看！ 這週在科技圈可說是非常的不平靜，正逢台北國際電腦展(COMPUTEX)，世界各國頂級科技企業來到台灣參加。名單中包含超微(ＡＭＤ)的蘇姿丰、英特爾(Intel)季辛格以及本則重點輝達的執行長黃仁勳。除了這個活動之外，黃仁勳還在台大體育館舉辦演講，會中除了宣布許多新一代的產品外，還大讚台灣的供應鏈。過程中偶爾蹦出的幾句台語更使的會議充滿台味，給人一種親民的感覺。 供應鏈名單 在會議中背板出現各間學校及輝達的供應鏈名單。其中耳熟能詳的包含台灣大學、清華大學、陽明交通大學、台灣科技大學、中央大學、成功大學等。企業則有宏碁、日月光、華碩、仁寶、中光電、台達電、鴻海、巨大、英業達、光寶科、聯發科、微星、和碩、廣達、所羅門、台積電、聯電、緯創等多家知名公司。 ![圖片](/posts/4/11.png) 圖片取自輝達官方YT頻道 下世代架構 按照慣例科技公司都會在會中宣布主力產品的跌代，黃仁勳與暉達也不例外。他搶先預告下世代AI晶片架構將命名為 Rubin，搭配最新的高頻寬記憶體HBM4，預計 2026 年由台積電生產製造。 全自動工廠 隨著一波波的工業升級，世界正在逐步將工廠轉變成無人工廠。黃仁勳指出，「未來所有工廠都將是機器人」，其中更拿鴻海在墨西哥的超智慧工廠舉例，該工廠使用NVIDIA Omniverse 搭建而成，可見輝達在智慧工廠領域的部屬。 機器人 機器人的概念最早可以追朔到遠古時代，然而這次黃仁勳介紹的機器人透過AI加持，可謂是更加符合人的形象。「數位人類（digital human）」的製程需要用到三種不同的電腦，首先使用AI超級電腦訓練模型，接著搭配輝達Jetson Orin以及下一代Jetson Thor負責運行模型，最後則是輝達 Omniverse 平台，讓機器人在虛擬世界精進技能。這種透過虛實整合的概念，將使機器人的學習更加高速並有效。 ![圖片](/posts/4/12.png) 圖片取自輝達官方YT頻道 /YD編

#科技週刊

第三期

2024-06-02

## 一、Google AI 叫人用「膠水」黏合食物！大出包官方緊急撤除！ Google io 大會才剛落幕，熱騰騰剛推出的「AI Overview」馬上出包，有用戶在Google上詢問要怎麼固定比薩上的起司片，沒想到AI不但沒有給出正確答案，還說建議在醬裡添加無毒膠水固定。事後官方緊急撤除了該答案，同時下架了其他相關的含有問題的生成結果，不過由於該功能並會被刪除，因此仍有可能還有許多有趣的錯誤藏在網路上，就交給各位去摸索看看啦！ 除了加無毒膠水的回覆外，還有像美國前總統歐巴馬是伊斯蘭教、用汽油煮食物會變辣等離奇的答案。對「AIOverview」有興趣的小貓咪們可以實際到Google上玩玩看；想了解Google io 大會的內容可以前往觀看程式貓科技週刊第二期。 ![圖片](/posts/3/1.png) / YD編 ## 二、ChatGPT4.0才剛推出馬上出包!? 有北區XX高中的XX同學提出，由於他們數學老師的出題十分困難，於是在一次考試後將該題目拿給ChatGPT作答，沒想到即便是ChatGPT也無法達出其中的一題。 題目是這樣說的: 有A,B,C,D,E,F,G七座城市，除了B,C及C,D之間沒有道路之外，其餘任意兩座城市皆有道路相連，且沒有三座城市在同一條直線上，若一快遞員從A出發送貨至其他六座程式後返回至A，美座城市只經過一次，則試問有多少種送貨方式 這名學生詢問的方式是有A,B,C,D,E,F,G七座城市，除了B,C及C,D之間沒有道路之外，其餘任意兩座城市皆有道路相連，且沒有三座城市在同一條直線上，若一快遞員從A出發送貨至其他六座程式後返回至A，美座城市只經過一次，則試問有多少種送貨方式?用排列及階層的方式列出計算過程。 後來ChatGPT給出一大串看似合理，其實卻蠻不講理的回應，最終答案給出151200 但是正確答案是288，後來ChatGPT也給出了解釋在算式之後計算錯誤，需要重新校正。應考慮每步驟邏輯性，可能出現計算錯誤或步驟漏項。對於這類複雜排列問題，通常建議編程驗證精確結果，數學推導可簡化但一出錯，這故事告訴我們ChatGPT雖然能提供我們想法，但不應一昧信任人工智慧，仍應有自我判斷能力及除錯能力 / 玥楓編 ## 三、全「高中生」組成的程式貓半歲啦！快來一起看看我們在幹嘛吧！ 程式貓社群創立於去年的十二月六號，至今也快半年了。在即將到來的半周年活動，想藉由這個版面向大家分享整個社群團隊的運作以及我們一些服務。團隊由六位核心管理成員組成，範圍擴及五個社群平台共約四千多人的規模，社群項目涵蓋科技週刊、程式教學、專題分享、梗圖製作、程式代寫。另外我們也時常與各其他社群合作，推出一些特色項目。 科技週刊： 目前採週更的程式貓科技週刊，每週以多元的主題、淺顯易懂的口語帶您深入了解當週科技圈時事，有時還會有一些有趣的小專題分享，乃至活潑生動的小故事。週刊每週六同步更新於程式貓facebook與threads平台，未來還會整合至程式貓的官方網站 程式教學： 專業的各語言教學採多平台不定期發佈，內容涉及涵蓋多元，從基本的環境設定到深澳的人工智慧，在我們的社群上都找的到。 專題分享： 社群中成員時常有一些有趣的點子，我們都會一起把它實際做出來並發表。這些內容我們通常會以貼文或短影片呈現，內容呈現十分多元且有趣，保證會激發你的創作熱情。 ![圖片](/posts/3/2.png) / YD編

#科技週刊

第二期

2024-05-25

## 一、無人系統再進化？美國空軍無人戰機vista！ 戰爭型態再進化 美國無人戰機纏鬥F-16 各位是否聽過「戰鬥妖精雪風」?這是一部描述AI戰鬥機的動畫，並以其精湛的空戰作畫而聞名，而劇中主角所駕駛的戰鬥機以及其操縱AI「雪風」，更是以各種非人 類般的外掛操作令觀眾印象深刻。而現在這個科技迅速發展的時代，這些情節極有可能化為現實。 充滿各種技術的實驗平台:X-62A 搭載了AI駕駛系統的戰鬥機，是一臺編號為X-62A的實驗用戰鬥機。X-62實驗用 戰鬥機由F-16戰鬥機改造而來，能夠透過機身上的向量噴嘴，及操縱系統的切換，模擬美軍不同型號的飛機，而X-62A更是特別搭載了AI操作系統的型號，並於2022年9月首次試飛成功。 足以改變戰爭型態的AI系統 在正式搭載到X-62A之前，其負責公司也時常讓AI在模擬機上與人類進行模擬戰，並屢屢傳出佳績，甚至一度在與人類飛行員的對決中，在只能使用機砲的模式下，以5:0成績壓倒性勝利，近期更是成功在實機模擬戰中，與人類駕駛員完成可視距內作戰，以及空中纏鬥等高難度動作，雖未公布結果，但仍證明空戰正往下個階段發展。 . 在人道方面，目前仍然會讓一名駕駛員搭乘，作為AI失控時的保險，未來也預計讓AI作為真人駕駛員的僚機操縱系統於戰場上參戰。 . 面對假想敵中國日益精壯的空軍，美軍也積極發展反制手段，而AI駕駛不但解決了培養駕駛員的成本過於昂貴的問題，也讓戰機能發揮出最理想的性能。科技日新月異，AI發展也逐漸擴及軍事，相信不久後，「無人犧牲」的戰爭就會到來。 ![圖片](/posts/2/1.png) / 渡鴨編 ## 二、Mr.k教你用Python解2*2*2魔術方塊 — 定義篇 1.輸入(6個list都是2維矩陣 分別為6個面): ![圖片](/posts/2/2.png) ```python print("請選擇一面輸入顏色(英文:w, o, g, r, b, y):") side1 = [list(input().split()) for _ in range(2)] print("由上往下轉一個面並輸入顏色:") side2 = [list(input().split()) for _ in range(2)] print("由左往右轉一個面並輸入顏色:") side3 = [list(input().split()) for _ in range(2)] print("由左往右轉一個面並輸入顏色:") side4 = [list(input().split()) for _ in range(2)] print("由左往右轉一個面並輸入顏色:") side5 = [list(input().split()) for _ in range(2)] print("由上往下轉一個面並輸入顏色:") side6 = [list(input().split()) for _ in range(2)] #改變side6(頂面的的順序以便計算) a = side6[0][0] side6[0][0] = side6[1][1] side6[1][1] = a side = [side1,side2,side3,side4,side5,side6] 2.定義代號F, R, U, F’,R’,U’(以side1為底): def matrix_turn_left(matrix,n): #矩陣逆時針翻轉 for i in range(n // 2): for j in range(i, n - i - 1): a = matrix[i][j] matrix[i][j] = matrix[j][n - i - 1] matrix[j][n - i - 1] = matrix[n - i - 1][n - j - 1] matrix[n - i - 1][n - j - 1] = matrix[n - j - 1][i] matrix[n - j - 1][i] = a def matrix_turn_right(matrix, n): #矩陣順時針翻轉 for i in range(n // 2): for j in range(i, n - i - 1): a = matrix[i][j] matrix[i][j] = matrix[n - 1 - j][i] matrix[n - 1 - j][i] = matrix[n - 1 - i][n - 1 - j] matrix[n - 1 - i][n - 1 - j] = matrix[j][n - 1 - i] matrix[j][n - 1 - i] = a def U_r(Uside,side1,side6):#Uside = [side2,side3,side4,side5] for i in range(2): a = Uside[0][0][i] Uside[0][0][i] = Uside[3][0][i] Uside[3][0][i] = Uside[2][0][i] Uside[2][0][i] = Uside[1][0][i] Uside[1][0][i] = a Uside.insert(0,side1) matrix_turn_left(side6,2) Uside.append(side6) def U_l(Uside,side1,side6):#Uside = [side2,side3,side4,side5] for i in range(2): a = Uside[0][0][i] Uside[0][0][i] = Uside[1][0][i] Uside[1][0][i] = Uside[2][0][i] Uside[2][0][i] = Uside[3][0][i] Uside[3][0][i] = a Uside.insert(0,side1) matrix_turn_right(side6,2) Uside.append(side6) def F_r(Fside,side2,side4):#Fside = [side1,side3,side5,side6] for i in range(2): a = Fside[3][1][i] #紀錄黃色 Fside[3][1][i] = Fside[2][-i-1][1] #黃 = 紅 Fside[2][-i-1][1] = Fside[0][0][-i-1] #紅 = 白 Fside[0][0][-i-1] = Fside[1][i][0] #白 = 橘 Fside[1][i][0] = a #橘 = 黃 matrix_turn_right(side2,2) Fside.insert(1,side2) Fside.insert(3,side4) def F_l(Fside,side2,side4):#Fside = [side1,side3,side5,side6] for i in range(2): a = Fside[3][1][i] Fside[3][1][i] = Fside[1][i][0] Fside[1][i][0] = Fside[0][0][-i-1] Fside[0][0][-i-1] = Fside[2][-i-1][1] Fside[2][-i-1][1] = a matrix_turn_left(side2,2) Fside.insert(1,side2) Fside.insert(3,side4) ``` / Mr.k編 ## 三、Minecraft 15週年紀念 Minecraft 是一款經典的沙盒遊戲，由瑞典遊戲開發者 Markus Alexej Persson馬庫斯·阿列克謝·佩爾松（別名 Notch）於2009年創作並由 Mojang Studios 發布。這款遊戲融合探索、建造、生存和冒險的元素，讓玩家置身於一個由方塊構成的虛擬世界中，可以自由地創造和探索各種不同的場景和地形。 Minecraft 擁有龐大的社群和 mod 社區，玩家可以通過安裝各種 mod（修改器、模組）來擴展遊戲的功能和內容，從而為遊戲帶來更多的樂趣和挑戰。 總的來說，Minecraft 是款擁有無限可能性的遊戲，無論單人、多人模式，不論建造、探索或生存，都能滿足玩家對於創造力和冒險的渴望，擁有獨一無二的遊戲體驗。 Minecraft 在2024年迎來了它的 15 週年紀念！在這個特別的日子，Minecraft 社群和玩家們齊聚一堂，慶祝這款遊戲給予他們的無盡樂趣和創造力。除了一連串的活動和更新，官方更與Google聯動在其搜尋引擎上放置了一個可開啟特定挖礦模式 的驚喜彩蛋，讓玩家們進一步感受到這場慶典的熱情。 這個彩蛋的發現方式既獨特又別出心裁。在搜索 Minecraft 的相關資訊(左上)時，有些玩家意外發現了一個隱藏於左下角的按鈕，點擊後將啟動一個特別的挖礦模式。這種模式可以將原本網頁上的各個資訊欄挖掉出現一小片世界，當玩家在小世界挖掉特定的東西，將會獲得經驗，當經驗足夠，手上的物品將會升級，從空手(右上)到木鎬(左下)再到石鎬(右下)，讓玩家在這個紀念日里感受到更多的樂趣和挑戰。 這個特殊的聯動彩蛋將成為玩家們在 Minecraft 15 週年紀念日慶典中的一個不可或缺的部分。讓我們一起期待這個彩蛋帶來的精彩和驚喜吧！ ![圖片](/posts/2/3.png) / 玥楓編 ## 四、微軟 Build 2024 開發大會--Copilot與minecraft 全新的體驗 上一期週刊我們一起看過了 OpenAI 與 Google 公司的年度發表會，這次緊跟其後的是微軟公司的 Build 開發大會。這次微軟的發表主題依舊圍繞著 Copilot ，推出一系列功能整合進原有的服務，由於許多內容皆面向開發者，有興趣的可以在留言區留言許願，也許之後能出詳細的介紹。 近期正值 Minecraft 的十五週年，除了官方的活動外 Google 也推出了一系列小遊戲，我們在上一篇聊過這個話題。除此之外，東家微軟也不忘在大會上展示 Copilot 與 Minecraft 結合的效果。在影片中實際展示了如何透過 Copilot的螢幕分享功能，讓 AI 及時給予你遊戲指導，不會再有忘記合成表或快捷鍵的問題。同時對於時常自記一個獨自遊玩遊戲的玩家來說，以後就多了一個夥伴能陪你一同遊玩遊戲。 (遊戲互動展示 ∙ 擷取自微軟官方Youtube頻道) 這次 Copilot 的升級背後的技術是仰賴 GPT-4o 模型，透過多模態實現更加穩定且多元的交互模式，像是視訊輸入等。微軟近幾年在遊戲圈也有不少收購案，可以期待未來 AI 更加深入地與遊戲內容整合，像是一個能在遊戲中陪伴我們玩家的功能也許不久的將來將會出現。 ![圖片](/posts/2/4.png) / YD編

#科技週刊

第一期

2024-05-18

這週科技圈有許多產品發佈會，包含OpenAI與Google公司皆相繼公佈令人振奮的新產品與更新。接著就讓我們一起跟著程式貓的步伐，一起來了解這些即時新聞吧 ! ## 一、彷彿電影再現！chat-GPT再推新功能！ 就在前不久，Open-AI在新的發表會上展出了他們新的AI模型:chat-GPT 4 ommi，並直接在直播上當場展出他與過往差距最大，也最具特色的功能:能直接用語音與使用者對話。 令人驚嘆的新功能與技術革新 在發表會上，開發人員直接在手機上使用「即時語音功能」與AI對話，令人意外的是，chat-GPT不但在短時間內做出回應，其發出來的聲音也彷彿真人一般有起伏、有感情，並且面對許多惡搞般的問題，新的chat-GPT也都對答如流，並展現出他能夠切換多種不同聲線，用來達到使用者的需求。 另外在一系列的功能展示中，Open-AI也展示了chat-GPT 4o的圖片識別功能，以及解答數學問題的能力，並且能以像是老師的口吻，仔細地引導使用者解出題目。在官網中更是展現了作曲作詞與唱歌的能力。 科幻情節逐漸實現的現在與未來... 這次的新功能讓不少人想起了2013年的科幻電影「Her」，幾乎等於0的延遲、富含感情的聲線、口語化的文字，令人很難想像這只是個AI，也令人期待未來Open-AI還能推出什麼樣的技術創新。 GPT-4o 文字和圖像功能已經開始支援 ChatGPT，一般用戶可免費使用，未來幾週內則會為 ChatGPT Plus 用戶推出具新版語音模式的 GPT-4o alpha版，感興趣的各位也不妨試試看喔! / 渡鴉編 ## 二、科幻成真？日本搭乘型機器人「ARCHAX」即將開放購買！ 從小就開始看動畫的各位，想必對於日本機器人動畫都不會太陌生，擁有一台屬於自己的巨大機器人更是許多孩子的夢想，而現在日本企業「Tsubame Industry」（暫譯燕工業）則幫各位完成了夢想！ 具備多項技術的「始祖鳥」 燕工業於去年打造出了4.5公尺高的載具機器人「ARCHAX」，並在2023年10月底於日本交通展展出。ARCHAX名子取自始祖鳥的學名，機體高4.5公尺，重3.5噸，並且透過簡單的變形機構，可以切換成「車輛模式」與「仿人形模式」，車輛模式下可達到最高時速可達10公里，動力採用電池驅動，並透過9個鏡頭與駕駛艙中4個螢幕的配合，實現多視角的切換，並且透過搖桿與觸控螢幕的精密操作，甚至能夠達到五指全可動手的操控。 ![圖片](/posts/1/1.png) （仿人形模式） （車輛模式） （圖片取自官方網站：https://tsubame-hi.com/en/the-archax/） 不可或缺的安全機制 ![圖片](/posts/1/2.png) 安全方面，ARCHAX在許多操控角度上都設有安全限制，一旦超過限制就會停止運作，駕駛艙內的操控安全、逃生艙等也都有達到工業標準，足以保障駕駛員的安全。 需要大量財力與毅力的夢想 ![圖片](/posts/1/3.png) 聽到以上介紹，有夢的各位是不是很興奮呢？不過想購買的話，可能要先擁有不見底的荷包才行。由於高昂的造價，一台ARCHAX的價格高達4億日圓（約8600萬台幣）。不僅如此，由於操控複雜，還需要經歷長時間的專業訓練，得到許可證後才得以駕駛，另外由於不符合法規規範，ARCHAX也不能正式上路。 年輕有為的社長與未來展望 ![圖片](/posts/1/4.png) 燕工業的25歲社長吉田龍央表示，現在ARCHAX的客群鎖定在擁有大量金錢的機器人愛好者，不過未來仍然會精進技術，也期望未來自家的機器人能被運用到各大災害的救災、太空領域的運用等方面，也讓我們期待這位年輕的社長，未來能帶領公司做出什麼樣子的機器人。 ![圖片](/posts/1/5.png) / 渡鴉編 ## 三、Google IO 大會 IO大會是Google公司的年度盛會，今年已經於5/15順利落幕，主題圍繞著生成式AI討論。這次Google為我們帶來許多重磅產品，一路從AI的模型升級到新模型發佈，再到圖片生成以及Android 15 系統升級： (一) Gemini 1.5 Flash: 這是一個更加輕量化的大型語言模型，在提升效率的同時還節省能耗，會環保盡一份心力。這個新模型支持上下文共一百萬的token數量，將一舉刷新GPT4的紀錄成為業界最高。 (二) Project Astra: 基於多模態的AI代理服務。這將改變原先以文字為主的AI互動方式。這項功能正式推出後，將未人類的生活帶來一定程度的品質提升。未來將能夠透過拍照等方式直接與AI互訂，不侷限以文字的方式。這也就意味著我們有機會與AI打電話，甚至是視訊電話。 (三) Imagen 3 : 下一代的文生圖大模型，效能與品質甚至比業界目前領先的Midjourneye更好。這個全新的模型將具有更好的推理效果，能夠處理過往較如意出錯的部分，如手指文字等。20日將於 Vertex 開放部分用戶使用！ (四) Veo: 全新推出的影片生成模型，對標 OpenAI 的 Sora 模型。Veo 模型可以以高畫質生成長達數分鐘的影片，其品質堪比好萊屋電影，去除以往AI影片生成時會有的物理瑕疵或邏輯問題。 (五) Android: 最新一代的安卓系統將全面搭載 Gemini 大模型，透過 Nano直接在手機上執行本地運算。全面整合系統的 AI 未來將能夠協助用戶處理各個 APP ，甚至還夠分辨詐騙電話！同時系統還提供圈選搜尋、AI 螢幕截圖分析等強大的新功能。 / YD編

#科技週刊